Ubah XML ke Excel

Menemukan baris di dalam struktur pohon

XML tidak mengenal konsep tabel, jadi hal pertama yang harus dilakukan adalah mengenali elemen mana yang merupakan record. Petunjuk yang andal adalah pengulangan: elemen induk yang berisi banyak anak dengan nama yang sama hampir selalu berarti daftar record, dan elemen anak serta atribut dari anak-anak itu menjadi kolomnya. Cara ini berhasil pada sebagian besar XML data — ekspor, feed, respons API, dump konfigurasi — karena semuanya dibangun dengan cara yang sama.

Atribut dan elemen anak sama-sama dijadikan kolom, dan itu perlu karena XML menawarkan dua cara untuk menyatakan hal yang sama, dan tiap sistem memilih secara berbeda. Satu ekspor menulis id="42" sebagai atribut; ekspor lain menulis <id>42</id> sebagai elemen; yang ketiga memakai keduanya dalam dokumen yang sama. Grid tidak peduli pada perbedaan itu, begitu pula Anda seharusnya, jadi keduanya tiba sebagai kolom, dengan atribut diberi tanda agar nama yang muncul dalam kedua bentuk tidak bertabrakan.

Susunan bersarang yang lebih dari satu tingkat diratakan dengan menggabungkan nama-nama elemen, sama seperti JSON bersarang. Jika sebuah record berisi anak yang berulang — tiga baris pesanan di dalam satu pesanan — grid tidak bisa menampilkannya sebagai baris tanpa menggandakan semua isi di sekitarnya, jadi nilai-nilai yang berulang itu disimpan di dalam selnya. Namespace dihapus dari nama kolom, karena kolom bernama ns2:customerName tidak membantu siapa pun di spreadsheet, sementara nilainya sendiri tidak diubah.

XML berisi tulisan tidak punya tabel untuk ditemukan dan hasil konversinya buruk. Halaman XHTML, artikel DocBook, bab ePub, atau gambar SVG adalah dokumen, bukan dataset: strukturnya memang bersarang dan tidak beraturan, dan tidak ada record berulang yang bisa dijadikan baris. Konversi tetap akan menghasilkan sesuatu, tetapi hasil itu tidak akan berguna. Halaman ini dibuat untuk XML data, dan memahami perbedaannya menghemat lebih banyak waktu daripada penyetelan apa pun.

Jika Anda butuh hal lain

Jika Anda sudah tahu strukturnya, ekstrak secara sengaja alih-alih menebaknya. xmlstarlet sel -t -m "//order" -v "@id" -o "," -v "customer" -n data.xml mengambil persis field yang Anda inginkan dengan ekspresi XPath, dan xq melakukan hal yang sama dengan sintaks ala jq. Itulah bedanya konversi yang kebetulan berhasil dengan konversi yang bisa Anda masukkan ke dalam pipeline.

Untuk file yang sangat besar, pendekatan di sini sama sekali tidak cocok: dokumen diurai utuh ke dalam memori, dan XML yang diurai sebagai pohon biasanya memakan beberapa kali ukuran file-nya. Parser streaming — iterparse di Python, atau SAX di bahasa apa pun — menelusuri dokumen berukuran beberapa gigabyte dengan memori yang tetap, dan menjadi satu-satunya pendekatan realistis untuk file di atas beberapa ratus megabyte.