parser.py

# -*- coding: utf-8 -*-
try:
    from lxml import etree
except ImportError:
    from xml.etree import ElementTree as etree


# Можно завести словарь, который содержит имена таблиц
REALTY_TYPE_TABLE_NAMES = {
    'Apartment': 'apartment',
    'House': 'house',
    'Nonlive': 'office',
    'Land': 'stead'
}

# Поля. которые нужно достать
REQUIRED_PROPERTIES = ['district', 'street', 'price', 'level', 'area_all', 'object_details', 'info']


# Получаем имя таблицы путём склейки строки. В принципе, можно и через if это делать
def get_table_name(obj_type, obj_realty_type):
    return '_'.join(('maklers', obj_type.lower(), REALTY_TYPE_TABLE_NAMES.get(obj_realty_type, 'unknown')))


def parse(filename):
    result = list()

    tree = etree.parse(filename)
    root = tree.getroot()
    # Корневой элемент содержит список объектов, пробегаем по всем его дочерним элементам
    for obj in root:
        data = dict()

        # Всегда проверяем правильность в том месте, где получаем элементы
        try:
            # Аттрибуты xml хранятся в поле 'attrib' в виде словаря
            data['oid'] = obj.attrib['oid']
        except KeyError:
            raise etree.ParseError('Неверный формат xml')

        # Получаем дочерний элемент с именем тэга 'object_property'
        prop = obj.find('object_property')
        if prop is None:
            raise etree.ParseError('Неверный формат xml')

        try:
            # Записываем в 1 переменную 2 значения (они будут в виде списка)
            obj_types = prop.attrib['type'], prop.attrib['realty_type']
        except KeyError:
            raise etree.ParseError('Неверный формат xml')
        # Разворачиваем список, чтобы передать в функцию
        data['table_name'] = get_table_name(*obj_types)
        try:
            # Пытаемся получить значения всех необходимых атрибутов
            for attr_name in REQUIRED_PROPERTIES:
                    data[attr_name] = prop.attrib[attr_name]
        except KeyError:
            raise etree.ParseError('Неверный формат xml')
        # Если позволительно некоторые атрибуты опустить, то можно сделать немного по-другому:
        #
        # for attr_name, attr_value in prop.attrib.items()
        #     if attr_name in REQUIRED_PROPERTIES:
        #         data[attr_name] = attr_value

        # Добавляем текущие данные в список
        result.append(data)

        # Хотя лучше возвращать генератор:
        # В конце цикла написать `yield data`
        #  И убрать в конце функции `return result`
        #
        # В основной программе работать с генератором только через for (и другие штуки для итераторов)
        # ибо генератор не хранит все данные.
        # Генератор стоит использовать, если данные нужны только 1 раз (например, чтобы их в БД засунуть)

    return result


if __name__ == '__main__':
    for obj in parse('document.xml'):
        print(obj)