如何通过XSLT将XML孙节点值提取至Pandas DataFrame

需求 #

将指定XML结构扁平化为Pandas DataFrame，把嵌套的ml:dessert/ml:name直接映射为dessert列。

给定XML结构 #

<ml:Meals xmlns:ml="http://www.food.com">
  <ml:Meal>
    <ml:type>lunch</ml:type>
    <ml:main_course>turkey sandwich</ml:main_course>
    <ml:dessert>
      <ml:name>Cookie</ml:name>
    </ml:dessert>
  </ml:Meal>
</ml:Meals>

期望的DataFrame #

+-----+---------------+-------+
| type|    main_course|dessert|
+-----+---------------+-------+
|lunch|turkey sandwich| Cookie|
+-----+---------------+-------+

原错误XSLT代码 #

<xsl:stylesheet version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform" 
  xmlns:ml="http://www.food.com">
  
  <xsl:template match="@*|node()">
    <xsl:copy>
      <xsl:apply-templates select="@*|node()"/>
    </xsl:copy>
  </xsl:template>
  
  <xsl:template match="*[@ml:dessert]">
        <xsl:copy>
            <xsl:value-of select="@ml:name"/>
        </xsl:copy>
    </xsl:template>
  
</xsl:stylesheet>

错误分析 #

1. 匹配规则*[@ml:dessert]错误：ml:dessert是元素而非属性，应直接匹配ml:dessert元素本身。
2. 取值@ml:name错误：ml:name是子元素而非属性，需用ml:name/text()获取文本内容。
3. 模板逻辑未正确保留dessert元素名并替换嵌套内容。

修正后的XSLT代码 #

<xsl:stylesheet version="2.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform"
  xmlns:ml="http://www.food.com">
  
  <!-- 身份模板：默认复制所有节点和属性 -->
  <xsl:template match="@*|node()">
    <xsl:copy>
      <xsl:apply-templates select="@*|node()"/>
    </xsl:copy>
  </xsl:template>
  
  <!-- 匹配ml:dessert元素，替换为同名元素，内容取子元素ml:name的文本 -->
  <xsl:template match="ml:dessert">
    <ml:dessert>
      <xsl:value-of select="ml:name"/>
    </ml:dessert>
  </xsl:template>
  
</xsl:stylesheet>

Python代码示例 #

import pandas as pd

# 读取XML并应用修正后的XSLT
df = pd.read_xml(
    "meals.xml",  # 你的XML文件路径
    stylesheet="flatten.xslt"  # 修正后的XSLT文件路径
)

print(df)

运行后即可得到期望的扁平DataFrame。

内容的提问来源于stack exchange，提问作者daniel9x