تحويل XML إلى Excel

العثور على الصفوف داخل شجرة

لا يعرف XML مفهوم الجدول، لذا فأول ما يجب فعله هو تحديد العناصر التي تمثل السجلات. والمؤشر الموثوق هو التكرار: فالعنصر الأصل الذي يضم أبناءً كثيرين بالاسم نفسه يعني في الغالب قائمة سجلات، وتصبح عناصر هؤلاء الأبناء وسماتهم هي الأعمدة. ينجح هذا مع الغالبية العظمى من ملفات XML للبيانات، من ملفات مُصدَّرة وخلاصات واستجابات API ونسخ الإعدادات، لأنها كلها مبنية بالطريقة نفسها.

تتحول السمات والعناصر الأبناء كلتاهما إلى أعمدة، وهذا ضروري لأن XML يتيح طريقتين لقول الشيء نفسه، والأنظمة المختلفة تختار بشكل مختلف. فملف مُصدَّر يكتب id="42" كسمة، وآخر يكتب <id>42</id> كعنصر، وثالث يفعل الأمرين في المستند نفسه. الجدول لا يهتم بهذا الفرق، ولا ينبغي أن تهتم به أنت، لذا يصل كلاهما كأعمدة، مع تمييز السمات حتى لا يتعارض اسم يظهر بالشكلين.

يُسطَّح التداخل الأعمق من مستوى واحد بضم أسماء العناصر، تمامًا كما في JSON المتداخل. وحين يحتوي السجل على عنصر ابن متكرر، كثلاثة بنود داخل طلب واحد، لا يستطيع الجدول تمثيله كصفوف دون تكرار كل ما حوله، لذا تبقى القيم المتكررة في خليتها. تُحذف مساحات الأسماء (namespaces) من أسماء الأعمدة، لأن عمودًا اسمه ns2:customerName لا يفيد أحدًا في جدول بيانات، بينما تبقى القيم نفسها دون أي تغيير.

ملفات XML النصية لا تحتوي على جدول، ونتيجة تحويلها سيئة. صفحة XHTML أو مقال DocBook أو فصل ePub أو رسم SVG هي مستندات لا مجموعات بيانات: بنيتها متداخلة وغير منتظمة بطبيعتها، ولا يوجد فيها سجل متكرر تُبنى منه الصفوف. سينتج التحويل شيئًا ما، لكنه لن يكون مفيدًا. هذه الصفحة مخصصة لملفات XML للبيانات، والوضوح بشأن هذا الفرق يوفّر وقتًا أكثر من أي قدر من الضبط.

عندما تحتاج إلى شيء آخر

حين تعرف البنية، استخرجها عن قصد بدل أن تستنتجها. الأمر xmlstarlet sel -t -m "//order" -v "@id" -o "," -v "customer" -n data.xml يسحب الحقول التي تريدها بالضبط عبر تعبير XPath، وxq يفعل الشيء نفسه بصياغة شبيهة بـ jq. هذا هو الفرق بين تحويل ينجح مصادفةً وتحويل يمكنك وضعه في مسار عمل آلي.

مع الملفات الكبيرة جدًا، كل ما هنا لا يناسبها: فالمستند يُحلَّل في الذاكرة كاملًا، وXML المحلَّل كشجرة يشغل عادةً أضعاف حجم الملف. أما المحللات المتدفقة، مثل iterparse في Python أو SAX بأي لغة، فتمر على مستند بحجم عدة غيغابايتات بذاكرة ثابتة، وهي النهج الواقعي الوحيد بعد بضع مئات من الميغابايتات.