如何用xml.etree.ElementTree提取XML指定元素值并写入DataFrame

当XML包含命名空间时，xml.etree.ElementTree要求必须显式指定命名空间才能正确定位元素，直接用标签名查询会因为命名空间前缀缺失返回空结果。以下是解决步骤：

• 提取或定义命名空间映射
  从根元素的xmlns属性获取命名空间，或者手动指定（如果已知）：

  import xml.etree.ElementTree as ET
  import pandas as pd
  
  # 解析XML文件
  tree = ET.parse('your_xml_file.xml')
  root = tree.getroot()
  
  # 提取命名空间（假设根元素只有一个xmlns属性）
  ns = {'ns': root.attrib['xmlns']}
  # 如果知道命名空间URL，也可以直接写：ns = {'ns': 'http://your-namespace-url'}
  

• 使用命名空间查询目标元素
  在findall方法中传入命名空间映射，用ns:标签名的形式定位元素：

  # 查询所有层级下的CtrlSum元素
  ctrl_sum_elements = root.findall('.//ns:CtrlSum', namespaces=ns)
  

• 提取值并生成DataFrame
  遍历查询到的元素，提取文本值后转为DataFrame：

  ctrl_sum_values = [elem.text for elem in ctrl_sum_elements]
  df = pd.DataFrame({'CtrlSum': ctrl_sum_values})
  

关键说明 #

之前你用root.findall(".//GrpHdr")返回空，是因为带命名空间的元素实际标签名是{命名空间URL}GrpHdr，而非单纯的GrpHdr。通过命名空间映射，ElementTree会自动将ns:GrpHdr解析为完整的带命名空间标签名，从而正确匹配元素。

内容的提问来源于stack exchange，提问作者Pattinger