XML 엑셀 변환

트리에서 행 찾기

XML에는 표라는 개념이 없으므로, 가장 먼저 어떤 요소가 레코드인지 가려내야 합니다. 믿을 만한 신호는 반복입니다. 같은 이름의 자식을 여러 개 가진 부모 요소는 거의 언제나 레코드 목록이며, 그 자식들의 하위 요소와 속성이 열이 됩니다. 내보내기 파일, 피드, API 응답, 설정 덤프 등 데이터 XML은 모두 같은 방식으로 만들어지므로, 이 방법은 압도적 다수의 경우에 통합니다.

속성과 자식 요소는 모두 열로 바뀝니다. XML에는 같은 내용을 표현하는 방법이 두 가지 있고 시스템마다 다르게 고르기 때문에 이렇게 해야 합니다. 어떤 내보내기는 id="42"처럼 속성으로 쓰고, 어떤 것은 <id>42</id>처럼 요소로 쓰며, 한 문서 안에서 둘 다 쓰는 경우도 있습니다. 표에서는 이 구분이 중요하지 않고 여러분도 신경 쓸 필요가 없으므로 둘 다 열로 들어오며, 같은 이름이 두 형태로 나와도 충돌하지 않도록 속성에는 표시를 붙입니다.

한 단계보다 깊은 중첩은 중첩 JSON과 같은 방식으로 요소 이름을 이어 붙여 평평하게 만듭니다. 한 주문 안의 주문 항목 세 줄처럼 레코드 안에 반복되는 자식이 있으면, 표에서는 주변 내용을 모두 복제하지 않고는 이를 행으로 나타낼 수 없으므로 반복되는 값을 셀 안에 그대로 둡니다. 열 이름에서는 네임스페이스를 제거합니다. 스프레드시트에서 ns2:customerName이라는 열 이름은 아무에게도 도움이 되지 않기 때문이며, 값 자체는 건드리지 않습니다.

글로 이루어진 XML에는 찾을 표가 없어 변환 결과가 좋지 않습니다. XHTML 페이지, DocBook 문서, ePub 챕터, SVG 그림은 데이터 세트가 아니라 문서입니다. 구조가 본래 중첩되고 불규칙하며, 행을 만들 반복 레코드가 없습니다. 변환하면 무언가가 나오기는 하지만 쓸모 있는 결과는 아닙니다. 이 페이지는 데이터 XML을 위한 것이며, 이 차이를 분명히 아는 것이 어떤 세부 조정보다 시간을 더 아껴 줍니다.

다른 작업이 필요할 때

구조를 알고 있다면 추론에 맡기지 말고 직접 추출하세요. xmlstarlet sel -t -m "//order" -v "@id" -o "," -v "customer" -n data.xml은 XPath 식으로 원하는 필드만 정확히 뽑아내며, xq는 jq 스타일 문법으로 같은 일을 합니다. 어쩌다 잘 된 변환과 파이프라인에 넣을 수 있는 변환의 차이가 바로 여기에 있습니다.

아주 큰 파일에는 이 방식 전체가 맞지 않습니다. 문서를 통째로 메모리에 불러와 분석하는데, 트리로 분석한 XML은 보통 파일 크기의 몇 배를 차지합니다. Python의 iterparse나 여러 언어의 SAX 같은 스트리밍 파서는 수 GB짜리 문서도 일정한 메모리로 훑어 나가며, 수백 MB를 넘어서면 사실상 유일한 현실적인 방법입니다.