lrmx格式文件解析

发表于 2020-02-02 分类于闭门造车阅读次数： Disqus：

前言

偶然的机会，接触到了lrmx格式的文件，就用Python写了一点代码对文件进行了解析，在这里简单梳理一下。

lrmx文件格式

在网上搜了一下lrmx文件格式，发现相关的信息寥寥无几，真正有用的有以下这么几条：

大概总结一下：

lrmx似乎是跟叫“干部任免审批表编辑器”的软件有关；
lrmx编辑器可以用Python打开。

lrmx文件编辑器

顺着线索1，我们继续搜索，发现了“干部任免审批表编辑器”这个软件，并且从共产党员网（http://www.12371.cn/zgrjxz/rmbbjq/）上下载了下来，安装好以后是这个样子（图标是大写的**ZZB**），看上去就是一个填写Word、Excel或者PDF表格的东西，填写好的文档保存以后就是lrmx文件。

rmb-editor

到这里就基本明了了——lrmx是这个编辑器专用的格式。怪不得找不到什么信息！

lrmx文件结构

如果是专用的格式，我们是不是就无法用Python进行处理了？还是要先转成Word再去想办法？

莫慌，线索2给了提示：可以用Python读写lrmx格式的文件。

lrmx看上去像是个文本文件，我们先填好一个，然后用Notepad++打开看一下：

lrmx-content

这一下就明白了：lrmx用的其实是xml（可扩展标记语言，Extensible Markup Language），那显然就可以用Python解析XML的方法来解析。

Python提取lrmx文件信息

根据维基百科介绍，XML指可扩展标记语言，被广泛用来作为跨平台之间交互数据的形式，主要针对数据的内容，通过不同的格式化描述手段（XSLT，CSS等）可以完成最终的形式表达（生成对应的HTML，PDF或者其他的文件格式）。

常见的 XML 编程接口有 DOM 和 SAX，Python 有三种方法解析 XML，SAX，DOM，以及 ElementTree。在这里我们使用DOM接口解析lrmx。

用xml.dom解析lrmx

文件对象模型（Document Object Model，简称DOM），是W3C组织推荐的处理可扩展置标语言的标准编程接口。

一个 DOM 的解析器在解析一个 XML 文档时，一次性读取整个文档，把文档中所有元素保存在内存中的一个树结构里，之后我们可以利用DOM 提供的不同的函数来读取或修改文档的内容和结构，也可以把修改过的内容写入xml文件。

lrmx文件其实很小，而我们要解析的信息既有前面的，也有后面的，所以用DOM就比较方便。

调用xml.dom.minidom.parse()方法打开lrmx文件,记为dom；
然后用dom.documentElement得到文档元素对象，记为root；
假设我们提取姓名这一元素，则可以使用root.getElementsByTagName()去解析相应的标签;
最后把解析除的内容导出即可。

具体实例如下：

#打开xml文档

dom = xml.dom.minidom.parse(file)

#得到文档元素对象

root = dom.documentElement

name = root.getElementsByTagName("XingMing")[0].firstChild.data

position = root.getElementsByTagName("XianRenZhiWu")[0].firstChild.data

personal_id = root.getElementsByTagName("ShenFenZheng")[0].firstChild.data

index = index + 1

row_info = {"序号": index,
            "姓名": name,
            "身份证号": personal_id,
            "职务": position,
           }

文件批量读取

其实这一块，没有太多可以说的。主要就是以下几条吧（参考stack overflow上的回答，）：

Python 3.5+

法1：用glob.glob()函数，用** 匹配，传入recursive=True的参数。
法2：用pathlib.Path.rglob（）函数。

from pathlib import Path

for filename in Path('rmb').rglob('*.lrmx'):
    print(filename)

旧版本Python

用os.walk()递归遍历目录；
用fnmatch.filter匹配文件格式等。

import fnmatch
import os

matches = []
for root, dirnames, filenames in os.walk('rmb'):
    for filename in fnmatch.filter(filenames, '*.lrmx'):
        matches.append(os.path.join(root, filename))

此外，对于以.开头的文件或目录，也建议采用os.walk()的方法。

小结

在这里，借用朋友的一段话作为总结：

磨刀不误砍柴工，如果你接到一项特别复杂的任务，第一，搞清楚目标产出；第二，盘点资源；第三，在利用资源的方式上下功夫，通过变通资源组织方式提高效率！

一个人一件小事、一个组织一件大事、甚至一个国家一项事业，莫不如此。