XML in Excel umwandeln

Zeilen in einem Baum finden

XML kennt keine Tabellen, daher muss zuerst geklärt werden, welche Elemente die Datensätze sind. Das verlässliche Signal ist Wiederholung: Ein Elternelement mit vielen gleichnamigen Kindelementen steht fast immer für eine Liste von Datensätzen, und deren eigene Kindelemente und Attribute werden zu den Spalten. Das funktioniert bei der überwältigenden Mehrheit von Daten-XML – Exporte, Feeds, API-Antworten, Konfigurations-Dumps –, weil sie alle gleich aufgebaut sind.

Attribute und Kindelemente werden gleichermaßen zu Spalten. Das ist nötig, weil XML zwei Wege bietet, dasselbe auszudrücken, und verschiedene Systeme sich unterschiedlich entscheiden. Ein Export schreibt id="42" als Attribut, ein anderer <id>42</id> als Element, ein dritter macht beides im selben Dokument. Einem Raster ist dieser Unterschied egal, und Ihnen sollte er es auch sein – also kommen beide als Spalten an, wobei Attribute gekennzeichnet werden, damit ein Name, der in beiden Formen vorkommt, nicht kollidiert.

Verschachtelungen über mehr als eine Ebene werden abgeflacht, indem die Elementnamen verbunden werden – genauso wie bei verschachteltem JSON. Enthält ein Datensatz ein wiederholtes Kindelement – drei Positionen in einer Bestellung –, kann ein Raster das nicht als Zeilen darstellen, ohne alles drumherum zu duplizieren; die wiederholten Werte bleiben daher in ihrer Zelle. Namensräume werden aus den Spaltennamen entfernt, denn eine Spalte namens ns2:customerName hilft in einer Tabelle niemandem – die Werte selbst bleiben unangetastet.

Fließtext-XML enthält keine Tabelle und lässt sich schlecht umwandeln. Eine XHTML-Seite, ein DocBook-Artikel, ein EPUB-Kapitel oder eine SVG-Zeichnung ist ein Dokument und kein Datensatz: Die Struktur ist bewusst verschachtelt und unregelmäßig, und es gibt keinen wiederkehrenden Datensatz, aus dem sich Zeilen bilden ließen. Die Umwandlung liefert zwar etwas, aber dieses Etwas ist nicht brauchbar. Diese Seite ist für Daten-XML gedacht, und den Unterschied zu kennen spart mehr Zeit als jede Feinabstimmung.

Wenn Sie etwas anderes brauchen

Wenn Sie die Struktur kennen, extrahieren Sie sie gezielt, statt sie erraten zu lassen. xmlstarlet sel -t -m "//order" -v "@id" -o "," -v "customer" -n data.xml holt mit einem XPath-Ausdruck genau die Felder heraus, die Sie brauchen, und xq macht dasselbe mit jq-artiger Syntax. Das ist der Unterschied zwischen einer Umwandlung, die zufällig funktioniert, und einer, die Sie in eine Pipeline einbauen können.

Für sehr große Dateien ist hier alles falsch zugeschnitten: Das Dokument wird vollständig in den Speicher geladen, und als Baum geparstes XML belegt typischerweise ein Mehrfaches der Dateigröße. Streaming-Parser – iterparse in Python oder SAX in jeder Sprache – durchlaufen ein Dokument von mehreren Gigabyte mit konstantem Speicherbedarf und sind ab einigen hundert Megabyte der einzige realistische Weg.