Python新手求助：多XML文件提取数据后Pandas DataFrame导出Excel结果异常

我来帮你拆解下问题的核心原因，以及对应的修复方案：

为什么会出现这个问题？ #

你当前的代码存在两个关键的逻辑漏洞：

1. 数据没有累加：每次处理一个XML文件时，你都重新初始化了Data和col_title列表，导致每个文件的数据都被存在独立的单元素列表里，而不是把所有文件的VersionID值汇总到同一个列表中。
2. Excel文件被重复覆盖：你在循环内部调用df.to_excel('output.xlsx')，这意味着每处理一个文件，就会生成一个新的Excel文件覆盖掉之前的，所以最终只能看到最后一个文件的数据。

这也是为什么你打印df时会看到多个独立的小DataFrame，打印Data时是多个单元素列表的原因。

修正后的代码 #

下面是调整后的完整代码，我已经帮你补上了遍历多个XML文件的逻辑（用glob获取目录下所有XML文件），同时修复了数据累加和Excel覆盖的问题：

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

# 初始化存储所有数据的列表，放在循环外部，确保数据能累加
all_version_data = []
column_title = []

# 获取当前目录下所有XML文件（如果XML在子目录，可修改为"**/*.xml"并设置recursive=True）
xml_file_paths = glob.glob("*.xml")

for file_path in xml_file_paths:
    tree = ET.parse(file_path)
    # 查找当前XML中的VersionID标签（每个文件只有一个，用find比findall更合适）
    version_element = tree.find("VersionID")
    
    # 防止部分XML文件没有VersionID标签导致报错
    if version_element is not None:
        all_version_data.append(version_element.text)
        # 只设置一次列标题，避免重复添加
        if not column_title:
            column_title.append(version_element.tag)

# 所有文件处理完成后，统一创建DataFrame
df = pd.DataFrame(all_version_data, columns=column_title)
# 导出到Excel，index=False去掉默认的索引列，更符合你的预期输出
df.to_excel('output.xlsx', index=False)

# 测试打印结果
print(df)

关键修改点说明 #

• 数据累加逻辑：把存储数据的列表all_version_data和列标题column_title移到循环外部，这样每次处理文件时，都会把当前文件的VersionID值追加到同一个列表中，而不是重新创建列表。
• 遍历多文件：用glob.glob("*.xml")自动获取当前目录下所有XML文件，不用手动逐个指定文件路径。
• 标签查找优化：因为每个XML文件中只有一个VersionID标签（从你的示例结构来看），所以用tree.find()直接获取单个元素比findall()更高效，也避免了不必要的循环。
• 容错处理：添加if version_element is not None的判断，防止部分XML文件缺失VersionID标签导致代码报错。
• 避免Excel覆盖：把df.to_excel()移到循环外部，等所有数据都收集完成后再统一导出，这样就不会出现覆盖的问题。

运行这段代码后，你的Excel文件应该会包含所有XML文件中的VersionID值，和你预期的输出一致。

内容的提问来源于stack exchange，提问作者yl129