Python ElementTree：高效收集XML标签属性到列表的教程

<ROOT>
    <SOURCE NAME="CUSTOMER_DATA">
        <DESCRIPTION>Customer master data</DESCRIPTION>
        <SOURCEFIELD BUSINESSNAME="" DATATYPE="varchar" DESCRIPTION="" FIELDNUMBER="1"/>
        <SOURCEFIELD BUSINESSNAME="" DATATYPE="numeric" DESCRIPTION="" FIELDNUMBER="2"/>
        <SOURCEFIELD BUSINESSNAME="" DATATYPE="timestamp" DESCRIPTION="" FIELDNUMBER="3"/>
    </SOURCE>
    <SOURCE NAME="ORDER_DATA">
        <DESCRIPTION>Order transaction data</DESCRIPTION>
        <SOURCEFIELD BUSINESSNAME="ORDER_ID" DATATYPE="int" DESCRIPTION="Unique Order ID" FIELDNUMBER="1"/>
        <SOURCEFIELD BUSINESSNAME="ORDER_DATE" DATATYPE="date" DESCRIPTION="Date of order" FIELDNUMBER="2"/>
    </SOURCE>
</ROOT>

[{'BUSINESSNAME': '', 'DATATYPE': 'varchar', 'DESCRIPTION': '', 'FIELDNUMBER': '1'},
 {'BUSINESSNAME': '', 'DATATYPE': 'numeric', 'DESCRIPTION': '', 'FIELDNUMBER': '2'},
 {'BUSINESSNAME': '', 'DATATYPE': 'timestamp', 'DESCRIPTION': '', 'FIELDNUMBER': '3'},
 {'BUSINESSNAME': 'ORDER_ID', 'DATATYPE': 'int', 'DESCRIPTION': 'Unique Order ID', 'FIELDNUMBER': '1'},
 {'BUSINESSNAME': 'ORDER_DATE', 'DATATYPE': 'date', 'DESCRIPTION': 'Date of order', 'FIELDNUMBER': '2'}]

import xml.etree.ElementTree as ET
import os

def extract_sourcefield_attributes(xml_filepath):
    """
    从XML文件中提取所有<SOURCEFIELD>标签的属性，并返回一个列表。

    Args:
        xml_filepath (str): XML文件的完整路径。

    Returns:
        list: 包含所有<SOURCEFIELD>标签属性字典的列表。
              如果文件不存在或解析失败，则返回空列表。
    """
    sourcefields_attributes = []

    # 检查文件是否存在
    if not os.path.exists(xml_filepath):
        print(f"错误: 文件 '{xml_filepath}' 不存在。")
        return sourcefields_attributes

    try:
        # 解析XML文件
        tree = ET.parse(xml_filepath)
        root = tree.getroot()

        print(f"成功解析XML文件: {xml_filepath}")

        # 遍历所有SOURCE标签
        for source in root.iter('SOURCE'):
            sourcename = source.attrib.get('NAME', 'N/A') # 使用.get()防止key不存在报错
            print(f"
*********** 源名称: {sourcename} ***********")
            print(f"源详细属性: {source.attrib}")
            print(f"*********** 源 '{sourcename}' 的列信息 ***********")

            # 遍历当前SOURCE下的所有SOURCEFIELD标签
            for sourcefield in source.iter("SOURCEFIELD"):
                # 获取SOURCEFIELD的属性字典
                field_attributes = sourcefield.attrib
                print(f"  - {field_attributes}")
                # 将属性字典追加到列表中
                sourcefields_attributes.append(field_attributes)

    except ET.ParseError as e:
        print(f"错误: 解析XML文件失败: {e}")
    except Exception as e:
        print(f"发生未知错误: {e}")

    return sourcefields_attributes

# 示例用法
if __name__ == "__main__":
    # 请将此路径替换为您的实际XML文件路径
    xml_file_path = 'C:\Users\dd00849401\Desktop\xml\m_DM_DIM_NRC_CUSTOMER.xml'

    # 为了演示，如果文件不存在，我们创建一个简化的模拟文件
    if not os.path.exists(xml_file_path):
        print(f"警告: 示例XML文件 '{xml_file_path}' 不存在，正在创建模拟文件用于演示。")
        # 创建父目录（如果不存在）
        os.makedirs(os.path.dirname(xml_file_path), exist_ok=True)

        mock_xml_content = """
<ROOT>
    <SOURCE NAME="CUSTOMER_DATA">
        <DESCRIPTION>Customer master data</DESCRIPTION>
        <SOURCEFIELD BUSINESSNAME="" DATATYPE="varchar" DESCRIPTION="" FIELDNUMBER="1"/>
        <SOURCEFIELD BUSINESSNAME="" DATATYPE="numeric" DESCRIPTION="" FIELDNUMBER="2"/>
        <SOURCEFIELD BUSINESSNAME="" DATATYPE="timestamp" DESCRIPTION="" FIELDNUMBER="3"/>
    </SOURCE>
    <SOURCE NAME="ORDER_DATA">
        <DESCRIPTION>Order transaction data</DESCRIPTION>
        <SOURCEFIELD BUSINESSNAME="ORDER_ID" DATATYPE="int" DESCRIPTION="Unique Order ID" FIELDNUMBER="1"/>
        <SOURCEFIELD BUSINESSNAME="ORDER_DATE" DATATYPE="date" DESCRIPTION="Date of order" FIELDNUMBER="2"/>
    </SOURCE>
</ROOT>
        """
        with open(xml_file_path, 'w', encoding='utf-8') as f:
            f.write(mock_xml_content)
        print("模拟XML文件创建成功。")

    # 调用函数提取属性
    all_sourcefields_attrs = extract_sourcefield_attributes(xml_file_path)

    # 打印最终结果
    if all_sourcefields_attrs:
        print("
*********** 最终收集到的所有 SOURCEFIELD 属性 ***********")
        for item in all_sourcefields_attrs:
            print(item)
        # 或者直接打印整个列表
        # print(all_sourcefields_attrs)
    else:
        print("
未收集到任何 SOURCEFIELD 属性。")