-1

Tenho vários arquivos XML dentro de uma pasta que se chama ARQUIVOS e ela é local no Windows.

Todos arquivos XML seguem a mesma estrutura, como abaixo:

<catalog>
<product description="Cardigan Sweater" product_image="cardigan.jpg">
<catalog_item gender="Men's">
***<item_number>QWZ5671</item_number>***
<price>39.95</price>
<size description="Medium">
<color_swatch image="red_cardigan.jpg">Red</color_swatch>
<color_swatch image="burgundy_cardigan.jpg">Burgundy</color_swatch>
</size>
<size description="Large">

Gostaria de retirar deste XML a informação:

<price>39.95</price>      

Ou seja, os 39.95 entre <price> e </price>

E criar outro arquivo no formato CSV ou TXT. Isso para todos os arquivos dessa pasta de forma automatizada.

Tentei criar o seguinte código:

search = 'print'

def check():
    datafile = open('C:\\ARQUIVOS\example.xml')
    for line in datafile:
        if search in line:
            found = </price>
            print(line)
            break
        else:
            found = price
    return found


check()

Não consegui passar disso, e não sei como terminar. Alguém por favor poderia me ajudar? Lembrando que são para vários xml dentro de uma pasta!

1
  • 1
    Só vai existir uma tag <price> por arquivo ou cada arquivo pode ter mais de dessa tag? E qual é a estrutura do arquivos de saída? Commented 8/12/2020 às 19:35

1 Resposta 1

2

Solução usando BeautifulSoup

texto = """
        <catalog>
        <product description="Cardigan Sweater" product_image="cardigan.jpg">
        <catalog_item gender="Men's">
        ***<item_number>QWZ5671</item_number>***
        <price>39.95</price>
        <size description="Medium">
            <color_swatch image="red_cardigan.jpg">Red</color_swatch>
            <color_swatch image="burgundy_cardigan.jpg">Burgundy</color_swatch>
        </size>
        <size description="Large">
        """

Carregue o BeautifulSoup

from bs4 import BeautifulSoup

Crie a "sopa"

soup = BeautifulSoup(texto, 'xml')

Procure o que você quer

>>> preco = soup.find("price")
>>> preco
<price>39.95</price>

Caso você queira apenas o valor, use:

>>> preco = soup.find("price").text
>>> preco
'39.95'

Outro exemplo

Imaginando que você possui uma estrutura grande com vários preços nela, conforme abaixo:

<items>
    <item>
        <nome>Carro</nome>
        <preco>55000.00</preco>
    </item>
    <item>
        <nome>Moto</nome>
        <preco>25000.00</preco>
    </item>
</items>

Para pegar todos os preços de uma vez só, existe o findAll

>>> soup = BeautifulSoup(texto, 'xml')
>>> precos = soup.findAll("preco")
>>> precos
[<preco>55000.00</preco>, <preco>25000.00</preco>]

Depois é só iterar sobre a lista

>>> for preco in precos:
...     print(float(preco.text))

Nota: transformei o valor de string para float, mas se o objetivo é salvar em disco, este não é necessário.

O resultado será:

55000.0
25000.0

Espero que ajude

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .