使用Pandas读取XML时如何同时获取xlink:label属性与元素文本？

问题原因 #

你遇到的情况是因为XML中存在xlink命名空间，且元素名<link:label>与属性xlink:label同名，Pandas默认解析时将元素文本映射到了label列，而未正确提取带命名空间的xlink:label属性。

解决方案 #

需要显式指定XML的命名空间，让Pandas正确识别并提取所有属性，同时将元素文本保留在单独列中：

1. 定义命名空间字典：对应XML中的link和xlink命名空间（URI为XBRL标准定义值）
2. 调整pd.read_xml参数：传入命名空间，确保解析器提取命名空间属性，同时保留元素文本

代码示例 #

import pandas as pd

# 定义XML命名空间
namespaces = {
    'link': 'http://www.xbrl.org/2003/linkbase',
    'xlink': 'http://www.w3.org/1999/xlink'
}

# 读取XML并提取所有属性与文本
label_df = pd.read_xml(
    open(filing_lab),
    namespaces=namespaces,
    xpath="//link:label",
    elems_only=False,
    parser='lxml'  # 需先安装lxml：pip install lxml
)

# 重命名列，区分属性与文本
label_df.rename(columns={
    'text': 'label_text',
    'xlink_label': 'xlink_label'
}, inplace=True)

预期输出 #

修改后生成的DataFrame将包含所有所需字段：

lang    type        xlink_label                  role                                  label_text
0   en-US   resource    us-gaap_TradeNamesMember_lbl http://www.xbrl.org/2003/role/label    Trade Names [Member]

补充说明 #

• lxml对XML命名空间的解析支持更完善，需提前安装
• elems_only=False确保Pandas提取元素的所有属性，而非仅子元素
• 重命名列是为了避免混淆xlink:label属性值与元素文本内容

内容的提问来源于stack exchange，提问作者Jasper