如何删除文本文件前6行并将剩余XML结构数据转换为CSV格式

第一步：快速剔除文件前6行冗余内容 #

不需要手动打开文本编辑器逐行删除，直接用系统自带的命令行就能批量完成，全程保留原文件做备份不破坏原始数据：

• Linux/macOS 终端执行命令，从文件第7行开始截取内容输出到新文件：
  tail -n +7 原始文件路径/待处理文本.txt > 去掉头部后的有效数据.txt
• Windows PowerShell 对应执行命令，跳过前6行后导出新文件：
  Get-Content "原始文件路径\待处理文本.txt" | Select-Object -Skip 6 | Out-File "去掉头部后的有效数据.txt"

注意：所有操作都要导出为新文件处理，不要直接覆盖原始文件，避免操作失误造成数据丢失。

第二步：提取目标标签属性生成CSV #

核心逻辑就是把每个目标标签里，=左侧的属性名作为CSV表头，引号包裹的属性值作为对应单元格的内容，不需要安装重型的XML解析工具，用轻量代码就能兼容属性顺序不统一的场景：

1. 写一段无第三方依赖的Python脚本，自动扫描所有目标标签的属性：

   import csv
   import re
   
   # 读取剔除头部后的有效数据文件
   with open("去掉头部后的有效数据.txt", "r", encoding="utf-8") as f:
       raw_lines = f.readlines()
   
   # 匹配所有PSX标签行，按需替换为你要提取的其他标签名
   target_tag_pattern = re.compile(r'<PSX\s+(.*?)>')
   # 匹配标签内的 属性名="属性值" 结构
   attr_extract_pattern = re.compile(r'(\w+)="(.*?)"')
   
   all_rows = []
   all_attr_headers = set()
   
   for line in raw_lines:
       stripped_line = line.strip()
       tag_match = target_tag_pattern.search(stripped_line)
       if not tag_match:
           continue
       attr_str = tag_match.group(1)
       row_attrs = dict(attr_extract_pattern.findall(attr_str))
       all_rows.append(row_attrs)
       all_attr_headers.update(row_attrs.keys())
   
   # 自动生成表头，也可以按需手动排列列顺序
   sorted_headers = sorted(all_attr_headers)
   
   # 导出为带BOM编码的CSV，Excel打开不会乱码
   with open("导出的交易数据.csv", "w", encoding="utf-8-sig", newline="") as f:
       csv_writer = csv.DictWriter(f, fieldnames=sorted_headers)
       csv_writer.writeheader()
       csv_writer.writerows(all_rows)
   

2. 脚本运行逻辑自动兼容不同行PSX标签的属性差异：如果某一行缺少某个属性，对应单元格自动留空，不会出现列错位的问题。

常见操作提醒 #

• 不要直接用Excel打开原始XML纯文本文件，遇到字段带逗号、引号的场景很容易出现列错位，上述脚本导出的CSV会自动做转义处理，兼容字段内的特殊字符。
• 如果需要提取的是PSXList这类父标签的属性，只需要把脚本里的target_tag_pattern匹配规则改成对应标签名即可，不需要调整其他逻辑。

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