.txtファイルを.xmlに解析する方法は？

Question

これは私のtxtファイルです：私はこのようなXML形式にこれを解析しようとしています

In File Name: C:\Users\naqushab\desktop\files\File 1.m1 
Out File Name: C:\Users\naqushab\desktop\files\Output\File 1.m2 
In File Size: Low: 22636 High: 0 
Total Process time: 1.859000 
Out File Size: Low: 77619 High: 0 

In File Name: C:\Users\naqushab\desktop\files\File 2.m1 
Out File Name: C:\Users\naqushab\desktop\files\Output\File 2.m2 
In File Size: Low: 20673 High: 0 
Total Process time: 3.094000 
Out File Size: Low: 94485 High: 0 

In File Name: C:\Users\naqushab\desktop\files\File 3.m1 
Out File Name: C:\Users\naqushab\desktop\files\Output\File 3.m2 
In File Size: Low: 66859 High: 0 
Total Process time: 3.516000 
Out File Size: Low: 217268 High: 0 

：ここ

<?xml version='1.0' encoding='utf-8'?> 
<root> 
    <filedata> 
     <InFileName>File 1.m1</InFileName> 
     <OutFileName>File 1.m2</OutFileName> 
     <InFileSize>22636</InFileSize> 
     <OutFileSize>77619</OutFileSize> 
     <ProcessTime>1.859000</ProcessTime> 
    </filedata> 
    <filedata> 
     <InFileName>File 2.m1</InFileName> 
     <OutFileName>File 2.m2</OutFileName> 
     <InFileSize>20673</InFileSize> 
     <OutFileSize>94485</OutFileSize> 
     <ProcessTime>3.094000</ProcessTime> 
    </filedata> 
    <filedata> 
     <InFileName>File 3.m1</InFileName> 
     <OutFileName>File 3.m2</OutFileName> 
     <InFileSize>66859</InFileSize> 
     <OutFileSize>217268</OutFileSize> 
     <ProcessTime>3.516000</ProcessTime> 
    </filedata> 
</root> 

は私がしたコード（私はPythonの2を使用しています）ですそれを達成しようとしている：

import re 
import xml.etree.ElementTree as ET 

rex = re.compile(r'''(?P<title>In File Name: 
         |Out File Name: 
         |In File Size: Low: 
         |Total Process time: 
         |Out File Size: Low: 
        ) 
        (?P<value>.*) 
        ''', re.VERBOSE) 

root = ET.Element('root') 
root.text = '\n' # newline before the celldata element 

with open('Performance.txt') as f: 
    celldata = ET.SubElement(root, 'filedata') 
    celldata.text = '\n' # newline before the collected element 
    celldata.tail = '\n\n' # empty line after the celldata element 
    for line in f: 
     # Empty line starts new celldata element (hack style, uggly) 
     if line.isspace(): 
      celldata = ET.SubElement(root, 'filedata') 
      celldata.text = '\n' 
      celldata.tail = '\n\n' 

     # If the line contains the wanted data, process it. 
     m = rex.search(line) 
     if m: 
      # Fix some problems with the title as it will be used 
      # as the tag name. 
      title = m.group('title') 
      title = title.replace('&', '') 
      title = title.replace(' ', '') 

      e = ET.SubElement(celldata, title.lower()) 
      e.text = m.group('value') 
      e.tail = '\n' 

# Display for debugging 
ET.dump(root) 

# Include the root element to the tree and write the tree 
# to the file. 
tree = ET.ElementTree(root) 
tree.write('Performance.xml', encoding='utf-8', xml_declaration=True) 

しかし、私は空の値を取得しています、それはXMLにこのTXTを解析することは可能でしょうか？あなたの正規表現と

Answer 1

補正：それはあなたが与えられたものとして

m = re.search('(?P<title>(In File Name)|(Out File Name)|(In File Size: *Low)|(Total Process time)|(Out File Size: *Low)):(?P<value>.*)',line) 

はないはずです。あなたの正規表現ではIn File Name|Out File Nameという意味で、eまたはOに続いてIn File Namをチェックし、続いてut File Nameなどを調べます。あなたは正規表現を使用せずにそれを行うことができます

提案、

。 xml.dom.minidomは、xml文字列を見分けるために使用できます。

私は理解を深めるためにコメントをインラインで追加しました。

Node.toprettyxml（[インデント= "" [、NEWL = "" [、エンコーディング= ""]]]）

戻る文書のかなり印刷版。 indentはインデント文字列を指定し、デフォルトはtabulatorになります。 NEWLが

import itertools as it 
[line[0] for line in it.groupby(lines)] 

編集

に各行の終わりに放出された文字列とデフォルト値を指定しますが、リストの行にグループconsucutive DEDUPに

をitertoolsパッケージのGROUPBYを使用することができます

だから、

import xml.etree.ElementTree as ET 
root = ET.Element('root') 

with open('file1.txt') as f: 
    lines = f.read().splitlines() 

#add first subelement 
celldata = ET.SubElement(root, 'filedata') 

import itertools as it 
#for every line in input file 
#group consecutive dedup to one 
for line in it.groupby(lines): 
    line=line[0] 
    #if its a break of subelements - that is an empty space 
    if not line: 
     #add the next subelement and get it as celldata 
     celldata = ET.SubElement(root, 'filedata') 
    else: 
     #otherwise, split with : to get the tag name 
     tag = line.split(":") 
     #format tag name 
     el=ET.SubElement(celldata,tag[0].replace(" ","")) 
     tag=' '.join(tag[1:]).strip() 

     #get file name from file path 
     if 'File Name' in line: 
      tag = line.split("\\")[-1].strip() 
     elif 'File Size' in line: 
      splist = filter(None,line.split(" ")) 
      tag = splist[splist.index('Low:')+1] 
      #splist[splist.index('High:')+1] 
     el.text = tag 

#prettify xml 
import xml.dom.minidom as minidom 
formatedXML = minidom.parseString(
          ET.tostring(
             root)).toprettyxml(indent=" ",encoding='utf-8').strip() 
# Display for debugging 
print formatedXML 

#write the formatedXML to file. 
with open("Performance.xml","w+") as f: 
    f.write(formatedXML) 

出力： Performance.xml

<?xml version="1.0" encoding="utf-8"?> 
<root> 
<filedata> 
    <InFileName>File 1.m1</InFileName> 
    <OutFileName>File 1.m2</OutFileName> 
    <InFileSize>22636</InFileSize> 
    <TotalProcesstime>1.859000</TotalProcesstime> 
    <OutFileSize>77619</OutFileSize> 
</filedata> 
<filedata> 
    <InFileName>File 2.m1</InFileName> 
    <OutFileName>File 2.m2</OutFileName> 
    <InFileSize>20673</InFileSize> 
    <TotalProcesstime>3.094000</TotalProcesstime> 
    <OutFileSize>94485</OutFileSize> 
</filedata> 
<filedata> 
    <InFileName>File 3.m1</InFileName> 
    <OutFileName>File 3.m2</OutFileName> 
    <InFileSize>66859</InFileSize> 
    <TotalProcesstime>3.516000</TotalProcesstime> 
    <OutFileSize>217268</OutFileSize> 
</filedata> 
</root> 

はそれが役に立てば幸い！ドキュメントから

Answer 2

（強調は私です）：

は、このフラグを使用すると、より見やすく 正規表現を書くことができます
をre.VERBOSE。パターン内空白はすべての文字から、 文字クラスや 行は文字クラスに「＃」のいずれもが含まれてエスケープされていないバックスラッシュ、および、が先行または エスケープされていないバックスラッシュが先行する場合を除き、無視されます左端の「＃」〜 の行末は無視されます。

エスケープ正規表現でスペースや\sクラス