Python动态转换含数组与属性的嵌套XML至CSV方案问询

XML示例 #

示例1：带属性的嵌套数组结构 #

<data>
    <country id="US">
        <name>United States</name>
        <indicators>
            <indicator id="GDP">
                <year>2022</year>
                <value>25.46</value>
            </indicator>
            <indicator id="CPI">
                <year>2022</year>
                <value>8.0</value>
            </indicator>
        </indicators>
    </country>
    <country id="CN">
        <name>China</name>
        <indicators>
            <indicator id="GDP">
                <year>2022</year>
                <value>18.10</value>
            </indicator>
            <indicator id="POP">
                <year>2022</year>
                <value>1412</value>
            </indicator>
        </indicators>
    </country>
</data>

示例2：多类型子节点结构 #

<inventory>
    <product sku="P001">
        <name>Laptop</name>
        <category>Electronics</category>
        <specs>
            <spec key="screen_size">15.6"</spec>
            <spec key="ram">16GB</spec>
        </specs>
        <prices>
            <price type="retail">$999</price>
            <price type="wholesale">$850</price>
        </prices>
    </product>
    <product sku="P002">
        <name>Wireless Headphones</name>
        <category>Audio</category>
        <specs>
            <spec key="battery">30h</spec>
        </specs>
        <prices>
            <price type="retail">$199</price>
        </prices>
    </product>
</inventory>

解决方案代码 #

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

def flatten_xml(node, parent_path="", data=None):
    if data is None:
        data = []
    current_data = {}
    
    # 提取当前节点的所有属性，命名格式：父路径.节点名.属性名
    for attr, val in node.attrib.items():
        current_data[f"{parent_path}{node.tag}.{attr}"] = val
    
    # 提取当前节点的文本内容（忽略空白文本）
    if node.text and node.text.strip():
        key = f"{parent_path}{node.tag}" if parent_path else node.tag
        current_data[key] = node.text.strip()
    
    # 按标签分组子节点，识别数组（同名子节点）
    child_groups = {}
    for child in node:
        child_groups.setdefault(child.tag, []).append(child)
    
    # 处理子节点
    for tag, children in child_groups.items():
        if len(children) > 1:
            # 数组节点：每个子元素生成独立记录，继承当前节点数据
            for child in children:
                child_data = current_data.copy()
                flatten_xml(child, f"{parent_path}{node.tag}.", child_data)
                data.append(child_data)
        else:
            # 普通子节点：递归合并到当前数据
            flatten_xml(children[0], f"{parent_path}{node.tag}.", current_data)
    
    # 无嵌套子节点时，将当前数据加入结果
    if not child_groups and current_data:
        data.append(current_data)
    
    return data

# 解析示例1并导出CSV
tree = ET.parse("country_data.xml")
root = tree.getroot()
flat_data = flatten_xml(root)
pd.DataFrame(flat_data).to_csv("country_data.csv", index=False)

# 解析示例2并导出CSV
tree = ET.parse("inventory.xml")
root = tree.getroot()
flat_data = flatten_xml(root)
pd.DataFrame(flat_data).to_csv("inventory.csv", index=False)

关键特性说明 #

• 动态识别结构：无需硬编码标签名，自动适配任意嵌套XML
• 属性完整保留：节点属性会以父节点.当前节点.属性名的格式作为CSV列名（如data.country.id）
• 数组自动拆分：同名子节点被视为数组，每个元素生成独立行
• 多层嵌套扁平化：所有嵌套节点都会展开为一维键值对，缺失字段自动填充NaN

内容的提问来源于stack exchange，提问作者Eja