国产化Excel开发组件Spire.XLS教程：使用Python将CSV转换为XML（处理现实数据问题）

news/2025/10/27 10:57:32/文章来源:https://www.cnblogs.com/software-Development/p/19168257

CSV 因其简洁和跨平台的广泛支持，是最常见的表格数据交换格式之一。然而，当需要处理结构化应用程序、配置文件或层次化数据时，XML 通常成为首选格式，因为它能够表示嵌套关系并提供更严格的数据验证。

在本指南中，我们将探讨如何使用 Spire.XLS for Python 将 CSV 文件转换为 XML。你将学习如何将 CSV 转换为 Excel XML 格式以及 标准 XML 。同时，我们还将介绍如何清理和预处理真实世界中的 CSV 文件——处理无效表头、缺失值、特殊字符和嵌套字段等问题，以确保生成的 XML 输出始终有效且结构正确。

Spire.XLS for Python试用下载，请联系慧都科技

欢迎加入Spire技术交流Q群（125237868），与更多小伙伴一起提升文档开发技能~

为什么要将 CSV 转换为 XML

为什么开发者需要将 CSV 转 XML 呢？以下是一些实际应用场景：

企业数据迁移 ：许多企业级应用程序（如 ERP 或 CRM 系统）在批量导入数据时要求 XML 格式。
配置与元数据 ： XML 常用于存储结构化元数据，而原始数据可能以 CSV 形式提供。
互操作性 ：某些行业（如金融、医疗、政府）仍大量依赖 XML 数据格式进行数据交换。
可读性报告 ：XML 可以表示层次化数据，比扁平化的 CSV 文件更具描述性。
数据验证 ：XML 可通过 XSD 模式验证数据完整性，而 CSV 无法直接实现此功能。

CSV 以简洁取胜，XML 以结构见长。通过两者的互相转换，你可以兼得两种格式的优势。

准备工作

在开始编写代码之前，请确保准备好以下环境：

Python 3.7 及以上版本
Spire.XLS for Python → 一款功能强大的专业 Excel 操作库
标准 Python 库 → xml.etree.ElementTree、csv 和 re

通过 pip 安装 Spire.XLS（假设系统中已安装 Python 和 pip）：

pip install spire.xls

此外，请准备一个测试用 CSV 文件，例如：

员工ID,姓名,部门,职位,入职日期,薪资
1001,张三,技术部,软件工程师,2021-03-15,15000
1002,李四,市场部,市场专员,2022-07-01,12000
1003,王五,技术部,产品经理,2020-11-10,18000
1004,赵六,人力资源部,招聘经理,2019-05-22,14000

将 CSV 转换为 Excel XML 格式

第一种方法是将 CSV 转换为 Excel 兼容的 XML 格式，也称为 SpreadsheetML （Excel 2003 引入）。这种格式可以被 Excel 直接打开。

使用 Spire.XLS，这一过程非常简单：

from spire.xls import *# 创建 Workbook
workbook = Workbook()# 加载 CSV 文件
workbook.LoadFromFile("input.csv", ",", 1, 1)# 保存为 Excel XML格式
workbook.SaveAsXml("output.xml")# 释放资源
workbook.Dispose()

工作原理

读取 CSV 文件 : 使用 LoadFromFile() 方法将 CSV 文件读取到工作簿中。
保存为Excel XML 格式 : 使用 SaveAsXml() 方法保存为 Excel XML 格式。

效果图 ：

将 CSV 转换为标准 XML

更多时候，你可能需要如下所示标准的XML 结构，而不是 Excel 兼容格式：

<Employee><employee_id>1001</employee_id><name>张三</name><department>技术部</department><position>软件工程师</position><hire_date>2021-03-15</hire_date><salary>15000</salary>
</Employee>

实现方式如下：

from spire.xls import *
import xml.etree.ElementTree as ET
from xml.dom import minidomdef chinese_to_english_tag(chinese_header):"""将特定的中文列名转换为英文XML标签"""mapping = {'员工ID': 'employee_id','姓名': 'name', '部门': 'department','职位': 'position','入职日期': 'hire_date','薪资': 'salary'}# 去除前后空格后查找映射cleaned_header = chinese_header.strip()return mapping.get(cleaned_header, cleaned_header)# Step 1: 加载 CSV 文件
workbook = Workbook()
workbook.LoadFromFile(r"C:\Users\Administrator\Desktop\input.csv", ",", 1, 1)
sheet = workbook.Worksheets[0]# Step 2: 创建根节点
root = ET.Element("Employees")# Step 3: 处理表头 - 中文列名转英文
headers = []
for col in range(1, sheet.Columns.Count + 1):cell_value = sheet.Range[1, col].Valueif not cell_value:breakenglish_tag = chinese_to_english_tag(str(cell_value))headers.append(english_tag)# Step 4: 添加数据行
for row in range(2, sheet.Rows.Count + 1):if not sheet.Range[row, 1].Value:breakemployee = ET.SubElement(root, "Employee")for col, english_header in enumerate(headers, start=1):cell_value = sheet.Range[row, col].Valuefield = ET.SubElement(employee, english_header)field.text = str(cell_value) if cell_value is not None else ""# Step 5: 保存为格式化的 XML 文件
xml_str = ET.tostring(root, encoding='utf-8')
pretty_xml = minidom.parseString(xml_str).toprettyxml(indent="  ")with open("output/standard.xml", 'w', encoding='utf-8') as f:f.write(pretty_xml)# 释放资源
workbook.Dispose()

工作原理

读取 CSV 文件 ：使用 LoadFromFile() 方法导入 CSV 数据，加载到工作表中。
创建 XML 根节点 ：创建根节点 <Employees>，用于存放所有员工信息。
转换表头 ：读取第一行表头，通过映射函数将中文列名转换为对应的英文标签，例如“员工ID”→employee_id，以确保生成的 XML 符合英文命名规范。
生成数据节点 ：从第二行开始遍历数据，为每一行创建 <Employee> 元素，并根据表头生成子标签填入数据。
格式化并保存 ：对生成的 XML 进行缩进美化后，保存为 standard.xml 文件。

效果图 ：

处理现实 CSV 数据问题

将“完美”的 CSV 转换为 XML 很容易，但实际 CSV 往往并不理想。以下是常见问题及对应解决方案：

无效的表头名称

问题：如 “Employee ID” 或 “123Name” 在 XML 中无效。
解决：将空格替换为下划线 _，或为数字开头的列名添加前缀。

空值或缺失值

问题：缺失值可能导致 XML 结构错误。
解决：将空值替换为占位符（如 NULL、Unknown、0）。

特殊字符

问题：如 <, >, & 会破坏 XML。
解决：使用转义字符 <, >, &。

CSV 中的嵌套数据

问题：某些单元格包含多个值，如：

OrderID,Customer,Products
1001,张三,"电脑;鼠标;键盘"

若直接转换，将丢失层次结构。

解决：检测并拆分嵌套字段，生成层次化 XML：

<Products><Product>电脑</Product><Product>鼠标</Product><Product>键盘</Product>
</Products>

中文列名转换为英文

问题： XML 标签通常要求为英文，若 CSV 文件使用中文列名（如“姓名”、“部门”），生成的 XML 标签不符合通用标准。
解决：在生成 XML 前，将中文列名映射为对应的英文标签，例如“姓名”→“name”，“部门”→“department”。(如“将 CSV 转换为标准 XML”部分代码所示)

使用 clean_csv 自动清理

可使用以下辅助函数自动预处理 CSV （不包含中文列名转换为英文）：

import csv
import redef clean_csv(input_file, output_file, nested_columns=None, nested_delimiter=";"):if nested_columns is None:nested_columns = []cleaned_rows = []# 转义 XML 特殊字符def escape_xml(text):return (text.replace("&", "&").replace("<", "<").replace(">", ">").replace('"', """).replace("'", "'"))with open(input_file, "r", encoding="utf-8") as infile:reader = csv.reader(infile)headers = next(reader)# 清理表头cleaned_headers = []for h in headers:h = h.strip()                              # 去除首尾空格h = re.sub(r"\s+", "_", h)                 # 将空格替换为下划线h = re.sub(r"[^a-zA-Z0-9_]", "", h)        # 移除非法字符if re.match(r"^\d", h):                    # 若表头以数字开头，则加前缀h = "Field_" + hcleaned_headers.append(h)cleaned_rows.append(cleaned_headers)# 读取所有行数据raw_rows = []for row in reader:# 将空单元格替换为 "NULL"row = [cell if cell.strip() != "" else "NULL" for cell in row]raw_rows.append(row)# 处理嵌套列（如多值列）if nested_columns:expanded_rows = [cleaned_headers]  # 保留表头for row in raw_rows:row_variants = [row]for col_name in nested_columns:if col_name not in cleaned_headers:continuecol_index = cleaned_headers.index(col_name)temp = []for variant in row_variants:cell_value = variant[col_index]# 仅按嵌套分隔符拆分，不影响 XML 特殊字符if nested_delimiter in cell_value:items = [item.strip() for item in cell_value.split(nested_delimiter)]for item in items:new_variant = variant.copy()new_variant[col_index] = itemtemp.append(new_variant)else:temp.append(variant)row_variants = tempexpanded_rows.extend(row_variants)cleaned_rows = expanded_rowselse:cleaned_rows.extend(raw_rows)# 展开后再转义特殊字符final_rows = [cleaned_rows[0]]  # 保留表头for row in cleaned_rows[1:]:final_row = [escape_xml(cell) for cell in row]final_rows.append(final_row)# 写入清理后的 CSV 文件with open(output_file, "w", newline="", encoding="utf-8") as outfile:writer = csv.writer(outfile)writer.writerows(final_rows)print(f"清理后的 CSV 已保存至 {output_file}")

你可以通过传入输入和输出 CSV 文件路径来调用 clean_csv 函数，并可选地指定需要展开嵌套值的列。

# 文件路径
input_file = r"C:\Users\Administrator\Desktop\input.csv"
output_file = r"C:\Users\Administrator\Desktop\cleaned_output.csv"# 指定可能包含嵌套值的列
nested_columns = ["Products"]  # 你也可以添加更多，例如 ["Products", "Reviews"]# 调用 clean_csv 函数
clean_csv(input_file, output_file, nested_columns=nested_columns, nested_delimiter=";")

该函数可确保 CSV 在转换为 XML 前干净、有效，功能包括：

清理表头（符合 XML 命名规则）
处理空单元格
拆分嵌套列值
转义特殊字符
生成 UTF-8 编码的清洁 CSV 文件

总结

使用 Spire.XLS for Python 将 CSV 转换为 XML，不仅高效，而且具备极强的灵活性。无论是快速导出、结构化集成，还是复杂的业务数据转换，都能轻松应对。

快速导出： 如果只是为了让文件可被 Excel 直接读取，采用 Excel XML 格式是最快捷的方式。
自定义结构： 若需生成具有特定标签或层级关系的 XML，可借助 xml.etree.ElementTree 构建标准 XML 文档，实现高度定制。
数据清理与增强： 面对真实环境中格式不规范或存在嵌套数据的 CSV，可先使用 clean_csv() 函数进行清洗，统一字段名、展开嵌套列，并自动转义特殊字符，确保生成的 XML 结构规范、可解析。

从企业系统集成、报表归档，到旧系统的数据迁移，这一流程充分结合了 CSV 的简洁性 与 XML 的结构化优势 ，为数据交换与自动化处理提供了稳健、高可维护的解决方案。