如何捕获XML中非嵌套sub-container元素并将嵌套元素分栏导入Excel？

要分别提取顶层和嵌套的sub-container下的name元素并导入Excel不同列，最靠谱的方式是用XPath精准定位节点层级，避免误抓嵌套内容。以下是具体实现方法：

1. 目标节点的XPath定位表达式 #

• 提取顶层sub-container的直接子name（subcont1、subcont2、subcont3、subcont4）：

  /sub-container/name
  

  这个表达式只会选中根节点下sub-container的直接子节点，完全不会触及嵌套在内部的sub-container里的元素。

• 提取嵌套sub-container下的name（subcont31、subcont32）：

  /sub-container/sub-container/name
  

  如果你的XML存在多层嵌套场景，也可以用更通用的表达式匹配所有父节点是sub-container的name：

  //sub-container[parent::sub-container]/name
  

2. 用Python实现提取并导出Excel #

借助lxml解析XML、pandas处理数据并导出Excel，代码示例：

from lxml import etree
import pandas as pd

# 解析目标XML内容
xml_content = """
<sub-container>
   <name>subcont1</name>
   <name>subcont2</name>
   <name>subcont3</name>
      <sub-container>
         <name>subcont31</name>
         <name>subcont32</name>
      </sub-container>
   <name>subcont4</name>
</sub-container>
"""
root = etree.fromstring(xml_content)

# 提取两类name数据
top_level_names = [elem.text for elem in root.xpath('/sub-container/name')]
nested_level_names = [elem.text for elem in root.xpath('/sub-container/sub-container/name')]

# 整理成Excel所需的列结构（补空值对齐行数）
df = pd.DataFrame({
    '顶层sub-container名称': top_level_names,
    '嵌套sub-container名称': nested_level_names + ['']*(len(top_level_names)-len(nested_level_names))
})

# 导出到Excel文件
df.to_excel('sub_container_data.xlsx', index=False)

3. 你之前方法出错的原因 #

你提到“检查父节点是否为sub-container仍捕获到嵌套元素”，问题出在逻辑判断反了：

• 要找顶层sub-container的子元素，应该判断父节点是XML根节点，而非父节点是sub-container；
• 嵌套的sub-container的父节点恰好是顶层sub-container，所以你的判断条件反而会选中嵌套元素，这就是误抓的根源。

内容的提问来源于stack exchange，提问作者vmaya003