如何用etree.ElementTree将多层XML文件加载到DataFrame？

原代码核心问题 #

1. 节点大小写不匹配：XML中的记录节点是<Record>，但代码中使用root.findall('record')（全小写），导致无法匹配到任何节点，最终生成空DataFrame。
2. 字段提取逻辑错误：Record下的<Field>节点通过name属性区分不同字段，原代码用elem.tag（固定为Field）作为字典键，会导致字段值被重复覆盖，无法正确提取ParaA等字段。
3. 未处理Row节点：原代码未遍历Record下的动态Row节点，无法将Record级的公共字段（如ParaA）与每个Row的字段合并，生成目标格式的行数据。

修正后的代码（支持多XML文件） #

import pandas as pd
import xml.etree.ElementTree as ET
from pathlib import Path

# 定义要处理的XML文件路径列表
xml_files = [r'.\Test.xml', r'.\Test2.xml']  # 可添加更多文件
target_columns = ['ParaA', 'Para1', 'Para2', 'Para3', 'Para4']
data = []

for file_path in xml_files:
    if not Path(file_path).exists():
        print(f"文件不存在：{file_path}")
        continue
    tree = ET.parse(file_path)
    root = tree.getroot()
    
    # 匹配大写的Record节点
    for record in root.findall('Record'):
        # 提取Record级的公共字段（如ParaA）
        record_common = {}
        for field in record.findall('Field'):
            field_name = field.get('name')
            if field_name in target_columns:
                record_common[field_name] = field.text
        
        # 遍历每个Row节点，合并公共字段与Row字段
        for row in record.findall('Row'):
            row_data = record_common.copy()
            for field in row.findall('Field'):
                field_name = field.get('name')
                if field_name in target_columns:
                    row_data[field_name] = field.text
            data.append(row_data)

# 生成DataFrame并指定列顺序
df = pd.DataFrame(data, columns=target_columns)
print(df)

代码说明 #

• 节点匹配修正：将root.findall('record')改为root.findall('Record')，匹配XML中的节点大小写。
• 字段提取逻辑：通过field.get('name')获取Field节点的属性名作为字典键，确保每个字段正确映射。
• Row节点处理：每个Record下的Row节点会复制一份公共字段字典，再添加自身的字段，生成独立的行数据，保证ParaA等公共字段与Row字段一一对应。
• 多文件支持：通过遍历文件列表处理多个XML，同时添加文件存在性检查避免报错。
• 目标列过滤：只提取target_columns中定义的字段，符合需求的输出格式。

内容的提问来源于stack exchange，提问作者credenco