Python合并多XML文件去重报错排查及代码逻辑解析

一、报错原因 #

pd.concat()本身不会触发FileNotFoundError，实际错误来自前置的pd.read_xml(file)调用。核心问题是：os.listdir(input_folder)仅返回文件夹内的文件名（如file1.xml），而非完整文件路径。当Python脚本的工作目录与input_folder不在同一层级时，pd.read_xml会在当前工作目录查找文件，自然找不到目标文件，从而抛出错误。

二、原错误代码逐行拆解 #

假设你使用的代码如下：

import pandas as pd
import os

input_folder = "./xml_files"
output_file = "merged.xml"

xml_files = os.listdir(input_folder)
dfs = []
for file in xml_files:
    df = pd.read_xml(file)  # ❌ 错误：使用纯文件名而非完整路径
    dfs.append(df)

merged_df = pd.concat(dfs)
merged_df.drop_duplicates(subset="Part ID", keep="first", inplace=True)
merged_df.to_xml(output_file, index=False)

逐行逻辑解析：

• import pandas as pd/import os：导入处理XML的pandas库和文件操作的os库
• input_folder = "./xml_files"：指定待合并XML文件的存放路径（相对路径）
• output_file = "merged.xml"：指定合并去重后的输出文件名
• xml_files = os.listdir(input_folder)：读取目标文件夹下的所有文件名称，返回仅包含文件名的列表
• for file in xml_files:：遍历每个文件名
  • df = pd.read_xml(file)：尝试读取文件，但未拼接完整路径，若脚本工作目录与目标文件夹不一致则会找不到文件
• merged_df = pd.concat(dfs)：将所有读取到的DataFrame纵向合并
• merged_df.drop_duplicates(...)：根据Part ID字段去重，保留首次出现的条目
• merged_df.to_xml(...)：将去重后的DataFrame导出为XML文件

三、修复后代码（保留原XML结构） #

要保证输出XML与原文件结构一致，需在读取和导出时匹配原XML的节点层级。以下是修复后的完整代码：

import pandas as pd
import os

input_folder = "./xml_files"
output_file = "merged.xml"

dfs = []
# 仅处理文件夹内的XML文件
for filename in os.listdir(input_folder):
    if filename.endswith(".xml"):
        # 拼接完整文件路径，避免路径错误
        file_path = os.path.join(input_folder, filename)
        # 指定XPath提取<Part>节点，匹配原XML结构
        df = pd.read_xml(file_path, xpath=".//Part")
        dfs.append(df)

# 合并所有DataFrame，重置索引避免冲突
merged_df = pd.concat(dfs, ignore_index=True)
# 根据Part ID去重，保留第一个出现的条目
merged_df.drop_duplicates(subset="Part ID", keep="first", inplace=True)

# 导出XML，指定根节点和行节点，与原结构对齐
merged_df.to_xml(
    output_file,
    index=False,
    root_name="root",
    row_name="Part",
    encoding="utf-8"
)

四、结构保留关键说明 #

1. 读取时的XPath设置：若原XML为<root>包裹多个<Part>节点的结构，xpath=".//Part"会直接提取所有零件节点数据，避免解析层级错误。
2. 导出时的节点配置：root_name="root"和row_name="Part"确保输出XML的外层根节点和每行数据的包裹节点与原文件完全一致。
3. 过滤XML文件：filename.endswith(".xml")避免读取文件夹内的非XML文件，防止无效解析报错。

五、验证示例 #

原XML文件示例 #

file1.xml

<root>
  <Part>
    <Part ID>P001</Part ID>
    <Name>Screw</Name>
    <Price>0.5</Price>
  </Part>
</root>

file2.xml

<root>
  <Part>
    <Part ID>P001</Part ID>
    <Name>Screw</Name>
    <Price>0.5</Price>
  </Part>
  <Part>
    <Part ID>P002</Part ID>
    <Name>Nut</Name>
    <Price>0.3</Price>
  </Part>
</root>

合并去重后输出XML #

<root>
  <Part>
    <Part ID>P001</Part ID>
    <Name>Screw</Name>
    <Price>0.5</Price>
  </Part>
  <Part>
    <Part ID>P002</Part ID>
    <Name>Nut</Name>
    <Price>0.3</Price>
  </Part>
</root>

内容的提问来源于stack exchange，提问作者Kevin Agbulos