Считывает пример xml и конвертирует его в 2 .sav-файла

Это пример файла XML для чтения данным скриптом: Read Sample XML file
# -*- coding: cp1251 -*-
# Источники: Hetland p. 427 (Beginning Python From Novice to Professional)
#            Глава 24 (Python in a Nutshel), Alex Martelli
# Автор: Raynald Levesque, август 2008.

# Перевод: А. Балабанов, 31.07.2009.
# Проверено: Python 2.4.3 (IDLE 1.1.3), SPSS 15.0.1.1.
# Размещение: http://www.spsstools.ru/Python/ReadSampleXMLfile.txt (.py)
#                        Пример данных - .../sample.xml.

# Цель решения - продемонстрировать импорт из .xml-файлов в SPSS посредством Python.
# Задачи программы - извлечь данные из .xml-файла, поместить их в текстовые файлы с табуляцией в качестве
# разделителей, затем - прочесть эти файлы синтаксисом SPSS. Все действия, в том числе - заключительная отсылка синтаксиса
# в SPSS на исполнение производится в Питоне (например, из IDE-редактора, в который будет загружен данные .py-файл). При этом
# SPSS должен быть запущен - примеч. перев.

# Особенности примера. Данные, по-видимому, относятся к протоколированию футбольных матчей. Файл содержит 2 вида записей: action_log
#(тип 1) - данные, характеризующие игру (команды, лига, время начала и конца матча) и вложенные записи action (либо Deletedaction) (типы 2, 3) - данные,
# характеризующие ход конкретной игры: тип действия, взаимодействующие игроки, место (координаты поля) и т.д.
# Т.е. данные представлены в иерархическом виде. В записях типа 2 состав элементов, содержащих данные, непостоянен: время от времени
# могут появляться элементы subtype, c1, c2, c3, которые нет в большинстве записей action. Соответственно, разборщик, запрограммированный
# в классе DataHandler должен учесть все эти особенности. Записи типа 1 помещаются в файл с именем samleLog.txt (2 записи),
# записи типов 2, 3 - в файл с именем sampleAction.txt (23 записи). Вложенность записей action в записи action_log фиксируется в переменных
# logID/id в обоих файлах. После импорта в SPSS файлы сохраняются в формате .sav - примеч. перев.



from xml.sax.handler import ContentHandler
from xml.sax import parse
import spss

# Укажите свои параметры: путь и имя файла
fpath=r'C:/temp'
fname=r'sample.xml'     # прилагающийся .xml-файл примера


xmlFile  = r'%(fpath)s/%(fname)s' % vars()

class DataHandler(ContentHandler):
    """Управляет процессом извлечения данных и организует их хранение в массиве """

    in_extract = False
    # инициализация экземпляра класса
    def __init__(self, extract, wantList):
        ContentHandler.__init__(self)
        self.extract = extract
        self.data = []
        self.nome="no"
        self.wantList = wantList
        # следующие 2 строки были скопированы из XML-файла и очищены от лишних символов - получили списки переменных
        self.action_logAtt = 'id team1 team1_name team2 team2_name league league_id \\
            date matchday season season_code start1 start2'.split()
        self.actionAtt = 'aid action_code activitytype result id minute second \\
            field_position receiver team_id x y z pace last_modified'.split()
        self.DeletedactionAtt = self.actionAtt
        # в записях типа action (тип 2) время от времени встречаются также и такие переменные:
        self.actionOpt ='subtype c1 c2 c3'.split()
        self.first_Action = True
        self.first_Log = True

    # Определяем действия, которые должны выполняться при возникновении событий startElement, endElement, characters.
    # Указанные события генерируются классом ContentHandler подключенного выше модуля xml.sax.handler.
    # Такая возможность позволяет нам "вмешиваться" в процесс разбора XML-структуры и решать, что делать с той или иной порцией данных.
    def startElement(self, name, attrs):
        self.in_extract = name in self.wantList
        # print name, attrs.keys()
        # если имя очередного атрибута находится в списке wantList (в перечне элементов, которые хотим извлечь)...
        if self.in_extract:
            self.nome = name
            if name== 'action_log':
                self.data=["1\\t"]                           #тип записи = 1 (характеристика игры) и табулятор как разделитель
                # через табулятор в цикле соединяем значения всех переменных, относящихся к этой записи
                self.data.extend(["%s\\t" % attrs.getValue(att) for att in self.action_logAtt])
                self.action_logID=attrs.getValue('id')      # будет добавлена в начале каждой записи-наследника (см. типы 2, 3)

            elif name == 'action':
                self.data=["2\\t", self.action_logID + '\\t'] #тип записи = 2 (характеристика событий в игре)
                # особая обработка записей с дополнительными ключами/переменными subtype, c1, c2, c3
                # делаем заготовку массива dataOpt c количеством значков табуляции по числу ключей
                # (т.к. наперед еще неизвестно, будет ли запись содержать тот или иной ключ)
                # это позволит в следующем цикле при нахождении ключа поместить его в "свою" колонку
                self.dataOpt=['\\t']*len(self.actionOpt)
                for idx,attrib in enumerate(self.actionOpt):
                    if attrs.has_key(attrib):
                        self.dataOpt[idx] = attrs.getValue(attrib) + '\\t'

                # формируем основной массив, как и для типа 1
                self.data.extend(["%s\\t" % attrs.getValue(att) for att in self.actionAtt])

                # соединяем основной и дополнительный массивы
                self.data.extend(self.dataOpt )

            elif name == 'Deletedaction':
                self.data=["3\\t", self.action_logID + '\\t'] #тип записи = 3 (характеристика событий в игре с пометкой Deleted - определяем как тип 3)
                self.data.extend(["%s\\t" % attrs.getValue(att) for att in self.DeletedactionAtt])

            # Заготовка имен переменных для последующей записи в табулированные файлы
            if self.first_Log:
                # extract[0] будет содержать имена переменных и данные из 1-й XML-записи первого типа
                vnames=['recType']
                vnames.extend(self.action_logAtt)
                vnames=["%s\\t" % v for v in vnames]
                vnames.append('\\n') # перевод строки/возврат каретки
                vnames.extend(self.data) # добавляем извлеченные данные во вторую строку
                self.data=vnames # обратный обмен содержимым (т.к. ниже мы помещаем
                                 # результат в массив extract именно из массива data).
                self.first_Log = False # это чтобы не возвращаться сюда ещё раз, и не формировать заголовочную строку с именами
                                       # переменных снова и снова
                # extract[1] будет содержать имена переменных и данные из 1-й XML-записи второго/третьего типа
            elif self.first_Action and name in ['action','Deletedaction']:
                vnames=['recType','logID']
                vnames.extend(self.actionAtt)
                vnames.extend(self.actionOpt)
                vnames=["%s\\t" % v for v in vnames]
                vnames.append('\\n')
                vnames.extend(self.data)       
                self.data = vnames
                self.first_Action = False      

            text = ''.join(self.data) + '\\n' # добавляем перевод строки
            self.extract.append(text)        # формируем очередной элемент массива extract

    def endElement(self,name):               # встретили закрывающий элемент
        if name in self.wantList:
            self.data = []                   # если это тот элемент, который разбирали, то очищаем массив данных и ставим признак того,
                                             # что мы находимся вне желаемого ключа
            self.in_extract = False

    def characters(self,string):             # обработка строковых данных, встречающихся вне ключей
        if self.in_extract:                  # если находимся внутри желаемого ключа,
            self.data.append(string)         # В данном случае обработка данного события, вероятно, излишняя.
                                             # В файле с примером это событие вызывают лишь символы перевода строки. Но в этих случаях
                                             # все нужные данные в self.data уже сформированы и выгружены в self.extract.
            

# для создания табулированных файлов используем свой класс
# Примеч.: если бы мы имели дело с разбором очень большого XML-файла, было бы предпочтительнее организовывать запись
# в табулированные текстовые файлы непосредственно по ходу разбора (парсинга) XML-файла, т.е. прописать это в классе DataHandler.

extract = []                                            # инициализируем массив, где будут храниться извлеченные данные
wantList=['action_log','action','Deletedaction']        # перечисляем элементы, которые хотим извлечь
parse(xmlFile, DataHandler(extract, wantList))          # извлекаем данные из XML-файла (работает парсинг и класс DataHandler)
nameroot = fname[:fname.find('.')]                      # sample.xml --> sample (обрезаем расширение)
fLogName = r'%(fpath)s/%(nameroot)sLog' % vars()        # --> путь/sampleLog
fActionName = r'%(fpath)s/%(nameroot)sAction' % vars()  # --> путь/sampleAction
fLog = open(fLogName+'.txt','w')                   # файл с содержимым action_log +'.txt'
fAction = open(fActionName+'.txt','w')             # файл с содержимым action/Deletedaction +'.txt'
# print extract
try:
    for (i,s) in enumerate(extract):
        if len(s)> 0:
            s2 = s.encode('iso8859-1')      # перед записью в файл перекодируем строку, если в данных есть символы ASCII c кодами вне 0-128
                                            # кодировка совпадает с той, что находится в заголовке .xml-файла.
            if s[0] in ['2','3'] or i==1:   # вторая запись содержит имена переменных для файла action
                fAction.write(s2)
            elif s[0] == '1' or i == 0:     # первая запись содержит имена переменных для файла action_log
                fLog.write(s2)
finally:
    fAction.close()
    fLog.close()

# Полученные табулированные файлы далее будут прочитаны в SPSS.
# Ниже приводится синтаксис, созданный при помощи мастера импорта текстовых файлов,
# и вставленный сюда с небольшими правками, чтобы сделать процесс импорта
# полностью автоматизированным. Последняя команда spss.Submit посылает в SPSS
# команды на импорт текстовых табулированных файлов и сохранение их в формате .sav.

cmd=r"""
    SET PRINTBACK=YES /MPRINT=YES.
    DATASET CLOSE ALL.
    GET DATA  /TYPE = TXT
     /FILE = "%(fLogName)s.txt"
     /DELCASE = LINE
     /DELIMITERS = "\\t"
     /ARRANGEMENT = DELIMITED
     /FIRSTCASE = 2
     /IMPORTCASE = ALL
     /VARIABLES =
     recType F1.0
     id F6.0
     team1 F3.0
     team1_name A19
     team2 F3.0
     team2_name A16
     league A14
     league_id F1.0
     date A22
     matchday F2.0
     season A9
     season_code F2.0
     start1 A22
     start2 A22.
    CACHE.
    SAVE OUTFILE= "%(fLogName)s.sav".

    GET DATA  /TYPE = TXT
     /FILE = "%(fActionName)s.txt"
     /DELCASE = LINE
     /DELIMITERS = "\\t"
     /ARRANGEMENT = DELIMITED
     /FIRSTCASE = 2
     /IMPORTCASE = ALL
     /VARIABLES =
     recType F1.0
     logID F6.0
     aid F7.0
     action_code A4
     activitytype F2.0
     result F1.0
     id F2.0
     minute F2.0
     second F2.0
     field_position F2.0
     receiver F5.0
     team_id F3.0
     x F5.3
     y F5.3
     z F5.3
     pace F5.3
     last_modified A22
     subtype F2.0
     c1 F1.0
     c2 F1.0
     c3 F1.0 .
    CACHE.
    SAVE OUTFILE="%(fActionName)s.sav".
""" % vars() # сформировали синтаксис SPSS для считки и сохранения в .sav табулированных файлов.

spss.Submit(cmd) # отправили синтаксис на исполнение
...
Navigate from here