XMLファイルをプロパティのレベルまで並べ替えてフォーマットするPythonスクリプト

sort_xml_attrs.py

"""
sort_xml_attrs.py
XMLファイルの属性をアルファベット順にソートし、指定した出力フォルダーに
元と同じファイル名で保存するスクリプト

使い方:
  python sort_xml_attrs.py -o <出力フォルダー> <xmlファイル or フォルダー> ...

例:
python sort_xml_attrs.py -o sorted/ file1.xml file2.xml
python sort_xml_attrs.py -o sorted/ pptx_extracted/
python sort_xml_attrs.py -o sorted/ *.xml

フォルダーを丸ごと指定した場合、サブフォルダーの構造を維持して出力します。
"""

import sys
import os
import glob
import argparse
from lxml import etree


def sort_attributes(element):
    """要素の属性をアルファベット順にソートし、子要素に再帰適用する"""
    attribs = sorted(element.attrib.items())
    element.attrib.clear()
    for key, value in attribs:
        element.attrib[key] = value

    for child in element:
        sort_attributes(child)


def process_file(input_path, output_dir, base_dir=None):
    """1つのXMLファイルを処理して出力フォルダーに同名で保存する"""
    # サブフォルダー構造を維持する場合
    if base_dir:
        rel_path = os.path.relpath(input_path, base_dir)
        output_path = os.path.join(output_dir, rel_path)
    else:
        filename = os.path.basename(input_path)
        output_path = os.path.join(output_dir, filename)

    # 出力先フォルダーを作成
    os.makedirs(os.path.dirname(output_path) if os.path.dirname(output_path) else output_dir, exist_ok=True)

    try:
        parser = etree.XMLParser(remove_blank_text=True)
        tree = etree.parse(input_path, parser)
        root = tree.getroot()

        sort_attributes(root)

        tree.write(
            output_path,
            pretty_print=True,
            xml_declaration=True,
            encoding=tree.docinfo.encoding or "UTF-8",
        )
        print(f"OK: {input_path} -> {output_path}")
    except Exception as e:
        print(f"ERROR: {input_path} -> {e}")


def collect_files(args):
    """引数からXMLファイルのリストを収集する（base_dirも返す）"""
    entries = []  # (input_path, base_dir)
    for arg in args:
        if os.path.isdir(arg):
            for path in glob.glob(os.path.join(arg, "**", "*.xml"), recursive=True):
                entries.append((path, arg))
        elif "*" in arg or "?" in arg:
            for path in glob.glob(arg):
                entries.append((path, None))
        else:
            entries.append((arg, None))
    return entries


def main():
    # lxmlの存在確認
    try:
        from lxml import etree  # noqa: F401
    except ImportError:
        print("lxmlが必要です。インストールしてください:")
        print("  pip install lxml")
        sys.exit(1)

    parser = argparse.ArgumentParser(
        description="XMLファイルの属性をアルファベット順にソートして別フォルダーに保存します"
    )
    parser.add_argument(
        "-o", "--output", required=True,
        help="出力先フォルダー（存在しない場合は自動作成）"
    )
    parser.add_argument(
        "inputs", nargs="+",
        help="処理するXMLファイルまたはフォルダー"
    )
    args = parser.parse_args()

    entries = collect_files(args.inputs)
    if not entries:
        print("対象のXMLファイルが見つかりませんでした。")
        sys.exit(1)

    os.makedirs(args.output, exist_ok=True)

    for input_path, base_dir in entries:
        process_file(input_path, args.output, base_dir)


if __name__ == "__main__":
    main()