Exemplo de uso de um SAX parser para manipulação de arquivo XML

despesas.csv

despesas_gabinetes.xml

<?xml version="1.0"?>
<root>
  <despesa>
    <Deputado>Deputado A</Deputado>
    <Matricula>021345</Matricula>
    <Ano>2017</Ano>
    <Mes>5</Mes>
    <Tipo>Alimentacao</Tipo>
    <CNPJ>003.222.111/0001-23</CNPJ>
    <Fornecedor>Bar do Joao</Fornecedor>
    <Valor>122.30</Valor>
  </despesa>
  <despesa>
    <Deputado>Deputado A</Deputado>
    <Matricula>021345</Matricula>
    <Ano>2017</Ano>
    <Mes>5</Mes>
    <Tipo>Alimentacao</Tipo>
    <CNPJ>003.222.111/0001-23</CNPJ>
    <Fornecedor>Bar do Joao</Fornecedor>
    <Valor>122.30</Valor>
  </despesa>
  <despesa>
    <Deputado>Deputado B</Deputado>
    <Matricula>021345</Matricula>
    <Ano>2017</Ano>
    <Mes>5</Mes>
    <Tipo>Alimentacao</Tipo>
    <CNPJ>003.222.111/0001-23</CNPJ>
    <Fornecedor>Bar do Joao</Fornecedor>
    <Valor>122.30</Valor>
  </despesa>
  <despesa>
    <Deputado>Deputado D</Deputado>
    <Matricula>021345</Matricula>
    <Ano>2017</Ano>
    <Mes>5</Mes>
    <Tipo>Alimentacao</Tipo>
    <CNPJ>003.222.111/0001-23</CNPJ>
    <Fornecedor>Bar do Joao</Fornecedor>
    <Valor>122.30</Valor>
  </despesa>
  <despesa>
    <Deputado>Deputado B</Deputado>
    <Matricula>021345</Matricula>
    <Ano>2017</Ano>
    <Mes>5</Mes>
    <Tipo>Alimentacao</Tipo>
    <CNPJ>003.222.111/0001-23</CNPJ>
    <Fornecedor>Bar do Joao</Fornecedor>
    <Valor>122.30</Valor>
  </despesa>
</root>

sax_parser.py

# -*- coding: utf-8 -*-
"""module
"""
from __future__ import print_function
from xml.sax import ContentHandler, parse
import csv


class Handler(ContentHandler):
    """SAX Handler para o documento XML
    """

    def __init__(self):
        ContentHandler.__init__(self)
        self.despesa = {}
        self.despesas = []
        self.current_field = None
        self.in_despesa = False
        self.indent = 0

    def startElement(self, name, attrs):
        print('{}Start element: {}'.format('\t' * self.indent, name))
        self.indent += 1
        if self.in_despesa:
            self.current_field = name
            self.despesa[name] = ''

        if name == 'despesa':
            self.in_despesa = True

    def endElement(self, name):
        self.indent -= 1
        print('{}End element: {}'.format('\t' * self.indent, name))
        if name == 'despesa':
            self.despesas.append(self.despesa)
            self.despesa = {}
            self.in_despesa = False
            self.current_field = None

    def characters(self, content):
        if content.strip():
            print('{}chars: {}'.format('\t' * self.indent, repr(content)))
        if self.in_despesa and self.current_field:
            self.despesa[self.current_field] += content


def gravar_despesas(writer, despesas):
    """Grava as despesas em um arquivo CSV
    """
    cabecalhos = [
        'Deputado',
        'Matricula',
        'Ano',
        'Mes',
        'Tipo',
        'CNPJ',
        'Fornecedor',
        'Valor'
    ]
    writer.writerow(cabecalhos)

    for despesa in despesas:
        writer.writerow([despesa.get(c, '').strip() for c in cabecalhos])


def main():
    """Funcão principal
    É executada quando o script é invocado
    """

    handler = Handler()
    with open('despesas_gabinetes.xml', 'r') as xml_file:
        parse(xml_file, handler)

    print('Found {} despesas'.format(len(handler.despesas)))

    with open('despesas.csv', 'w') as f_handle:
        writer = csv.writer(f_handle)
        gravar_despesas(writer, handler.despesas)


if __name__ == "__main__":
    main()