17370845950

Python中无稳定版pandas.read_xml()函数，需用xml.etree.ElementTree或lxml解析XML再构DataFrame；关键在于按XML树状结构提取属性与子元素，手动构建字典列表或借助lxml增强的read_xml()实验接口。

Python中没有pandas原生的read_xml()函数（截至pandas 2.0+仍属实验性，不推荐生产环境直接依赖），但可以通过标准库xml.etree.ElementTree或第三方库lxml解析XML，再构造DataFrame。关键在于理解XML结构，并将其映射为二维表格逻辑。

先看XML结构，再决定怎么转

XML不是表格格式，它可能是嵌套、属性混合、重复节点并存的树状结构。强行“一键转DataFrame”容易出错。例如：

  
    
    Eric Matthes
    39.99
  
  
    
    Luciano Ramalho
    49.99
  

这个例子中：每本是1行；id是属性；和是子元素；既有文本值又有currency属性——你需要明确哪些信息要进列。

用ElementTree手动解析（轻量、无需额外安装）

适合结构清晰、层级较浅的XML。步骤：加载 → 找到所有记录节点 → 提取字段 → 构建字典列表 → 转DataFrame。

• 导入xml.etree.ElementTree as ET和pandas
• 用ET.parse("file.xml")或ET.fromstring(xml_str)加载
• 用root.findall(".//book")定位每一行数据节点（XPath支持有限，但够用）
• 对每个book节点：
    – 用book.get("id")取属性
    – 用book.find("title").text取子元素文本
    – 用book.find("price").text和book.find("price").get("currency")分别取值和属性
• 把每次提取的结果append进list，最后pd.DataFrame(list_of_dicts)

用lxml + pandas.read_xml（仅限pandas ≥ 1.4，需lxml支持）

如果你的XML是扁平的、每条记录同级且标签名一致（如上面的），可以尝试pandas内置实验接口：

• 安装依赖：pip install lxml（xml.etree不支持XPath 2.0，lxml更强大）
• 调用：pd.read_xml("books.xml", xpath=".//book")
• 支持参数：attrs_only=True只读属性；names=["id", "title", "author"]重命名列；iterparse=True处理大文件（逐块解析）
• 注意：read_xml()默认忽略属性，若要保留，得配合stylesheet（XSLT）或先用lxml预处理

处理常见坑点

空值/缺失子节点：用find()可能返回None，直接调.text会报错 → 改用find("xxx") is not None and find("xxx").text，或封装安全取值函数。
命名空间（ns）：XML带xmlns="http://..."时，XPath必须声明前缀，例如root.findall(".//ns:book", namespaces={"ns": "http://..."})。
大文件内存溢出：别用ET.parse()全量加载，改用ET.iterparse()边读边处理，或用lxml.etree.iterparse()设events=("start", "end")流式解析。