如何使用Python xml.dom.minidom访问XML子子节点并导出数据到表格

问题背景 #

给定如下XML结构，需提取数据并导出为指定格式的电子表格，但原有代码无法访问grandchildren标签内容，需解决该问题。

源XML数据 #

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<root testAttr="testValue">
    <family name="Hardwood">
        <child name="Jack">First</child>
        <child name="Rose">Second</child>
        <child name="Blue Ivy">Third
                <grandchildren>
                    <data>One</data>
                    <data>Two</data>
                    <unique>Twins</unique>
                </grandchildren>
            </child>
        <child name="Jane">Fourth</child>
    </family>
    <family name="Downie">
        <child name="Bill">First</child>
        <child name="Rosie">Second</child>
        <child name="Edward">
            Third
            </child>
        <child name="Jane">Fourth</child>
    </family>
</root>

原有尝试代码 #

import xml.dom.minidom
doc=xml.dom.minidom.parse('Sample_XML.xml')
children = doc.getElementsByTagName('family')
for child in children:
    print(child.getAttribute('name'))
    print(child.getElementsByTagName('child')[0].childNodes[0].nodeValue)
    print(child.getElementsByTagName('child')[1].childNodes[0].nodeValue)
    print(child.getElementsByTagName('child')[2].childNodes[0].nodeValue)
    print(child.getElementsByTagName('child')[2].childNodes[0].nodeValue)

问题分析 #

原有代码存在两个核心问题：

• 硬编码索引导致不灵活：通过固定索引[0][1][2]获取child节点，若XML中child数量变化会直接报错。
• 无法处理嵌套节点：当child标签内包含grandchildren子元素时，childNodes[0]仅能获取到child的文本内容（如Third），无法定位到grandchildren节点。

解决方案 #

推荐使用Python内置的xml.etree.ElementTree模块（比xml.dom.minidom更简洁易用），结合pandas实现数据提取与电子表格导出。

完整代码示例 #

import xml.etree.ElementTree as ET
import pandas as pd

# 解析XML文件
tree = ET.parse('Sample_XML.xml')
root = tree.getroot()

# 初始化数据存储列表
data_list = []

# 遍历每个family节点
for family in root.findall('family'):
    family_name = family.attrib.get('name')
    # 遍历当前family下的所有child节点
    for child in family.findall('child'):
        child_name = child.attrib.get('name')
        # 提取child的文本内容，去除多余空白字符
        child_text = ''.join(child.itertext()).strip()
        # 初始化孙辈数据字段
        data1 = None
        data2 = None
        unique = None
        # 查找当前child下的grandchildren节点
        grandchildren = child.find('grandchildren')
        if grandchildren is not None:
            # 提取data节点内容（取前两个）
            data_nodes = grandchildren.findall('data')
            if len(data_nodes) >=1:
                data1 = data_nodes[0].text.strip()
            if len(data_nodes) >=2:
                data2 = data_nodes[1].text.strip()
            # 提取unique节点内容
            unique_node = grandchildren.find('unique')
            if unique_node is not None:
                unique = unique_node.text.strip()
        # 将数据添加到列表
        data_list.append({
            'Family Name': family_name,
            'Child Name': child_name,
            'Child Order': child_text.split('\n')[0].strip(),  # 只取First/Second这类顺序文本
            'Data 1': data1,
            'Data 2': data2,
            'Unique': unique
        })

# 转换为DataFrame并导出到Excel
df = pd.DataFrame(data_list)
df.to_excel('family_data.xlsx', index=False)
print("数据已成功导出到family_data.xlsx")

代码说明 #

• XML解析：使用ElementTree的findall方法灵活遍历节点，避免硬编码索引。
• 文本处理：通过itertext()获取节点下所有文本内容，并用strip()去除多余空白。
• 嵌套节点处理：通过find方法定位grandchildren节点，再提取其中的data和unique内容。
• 表格导出：使用pandas将收集的数据转换为DataFrame，一键导出为Excel文件，符合电子表格格式要求。

内容的提问来源于stack exchange，提问作者Smi