将XML转JSON导入MongoDB：如何生成2000个独立文档？

我有一份含约2000条记录的XML文档，需要转换为JSON格式后上传至MongoDB。当前使用以下Python脚本转换后，MongoDB将其识别为包含2000个子对象的单个文档，但我需要生成2000个独立文档。怀疑问题出在转换代码上，求解决。

原代码：

# Program to convert an xml
# file to json file

# import json module and xmltodict
# module provided by python
import json
import xmltodict


# open the input xml file and read
# data in form of python dictionary
# using xmltodict module
with open("test.xml") as xml_file:
    
    data_dict = xmltodict.parse(xml_file.read())
    # xml_file.close()
    
    # generate the object using json.dumps()
    # corresponding to json data
    
    json_data = json.dumps(data_dict)
    
    # Write the json data to output
    # json file
    with open("data.json", "w") as json_file:
        json_file.write(json_data)
        # json_file.close()

解决方案 #

问题根源 #

原代码将整个XML文档解析成一个完整字典，再直接序列化为单个JSON对象，导致MongoDB把整个JSON文件当成一个文档。要生成2000个独立文档，需要遍历XML中的每条记录，将每个记录单独序列化为JSON对象，以JSON Lines格式（每行一个独立JSON）写入文件。

修改后的代码 #

import json
import xmltodict

# 读取并解析XML文件为Python字典
with open("test.xml") as xml_file:
    data_dict = xmltodict.parse(xml_file.read())

# 关键：根据你的XML实际结构，定位到记录列表
# 示例：如果XML结构是 <dataset><record>...</record><record>...</record></dataset>
# 则改为 records = data_dict["dataset"]["record"]
# 请务必根据自己的XML节点名称调整这一行
records = data_dict["你的根节点名称"]["你的记录节点名称"]

# 以JSON Lines格式写入文件，每个记录占一行
with open("data.json", "w") as json_file:
    for record in records:
        # 将单个记录转为JSON字符串，写入文件时换行
        json_line = json.dumps(record)
        json_file.write(json_line + "\n")

注意事项 #

1. 调整节点路径：必须根据你的XML实际结构修改records的取值路径，比如XML根节点是data，每条记录的节点是item，就写成data_dict["data"]["item"]。如果不确定结构，可以先打印data_dict查看层级。
2. MongoDB导入：生成的data.json是JSON Lines格式，可直接用mongoimport批量导入：

   mongoimport --db 你的数据库名 --collection 你的集合名 --file data.json
   

内容的提问来源于stack exchange，提问作者user19485723