Python解析XML时如何统一不同子节点数对应的字段数据类型

这个问题的根源是xmltodict默认的解析规则：同路径下标签出现0次返回None、出现1次返回标量值、出现多次返回列表，才会导致同字段类型不统一。完全不需要写臃肿的类型分支判断，两种方案可以从根源解决问题：

方案1：解析阶段直接统一类型（推荐，性能最好） #

xmltodict原生提供force_list参数，可以指定需要始终按列表解析的字段，不管标签出现多少次，对应值统一返回列表，空节点返回空列表，从解析源头消灭类型差异。
针对你的测试样例，完整可运行代码如下：

import xmltodict
import pandas as pd

xml_content = '<?xml version="1.0" ?><teams><team0></team0><team1><name>john</name><age>20</age><city>sf</city></team1><team2><name>john</name><age>20</age><city>ny</city><city>boston</city><name>craig</name><age>22</age></team2></teams>'
# 所有可能重复出现的子字段都放进force_list元组里
parsed_data = xmltodict.parse(
    xml_content,
    force_list=('name', 'age', 'city')
)

result_rows = []
for team_name, team_detail in parsed_data['teams'].items():
    # 所有字段统一按列表处理，不需要判断类型
    players = '|'.join(team_detail.get('name', [])) if team_detail else ''
    ages = '|'.join(team_detail.get('age', [])) if team_detail else ''
    cities = '|'.join(team_detail.get('city', [])) if team_detail else ''
    result_rows.append([team_name, players, ages, cities])

# 转DataFrame或者直接导出CSV都可以
df = pd.DataFrame(result_rows, columns=['TeamName', 'Players', 'Ages', 'Cities'])
print(df.to_csv(index=False))

运行后输出完全匹配你需要的格式：

TeamName,Players,Ages,Cities
team0,,,
team1,john,20,sf
team2,john|craig,20|22,ny|boston

方案2：通用递归归一化（适配多层复杂嵌套场景） #

如果XML层级深、字段多，不想提前枚举所有需要转列表的字段，可以写一个轻量递归函数，遍历解析后的整个结构，自动把所有标量值、None值统一转换成列表格式，全程不需要针对单个字段写分支逻辑：

def normalize_xml_structure(node):
    # 空节点直接返回空字典
    if node is None:
        return {}
    # 字典节点递归处理所有子键
    if isinstance(node, dict):
        return {key: normalize_xml_structure(val) for key, val in node.items()}
    # 列表节点保持列表类型，递归处理内部元素
    if isinstance(node, list):
        return [normalize_xml_structure(item) for item in node]
    # 所有标量值（字符串、数字等）统一包装为单元素列表
    return [node]

使用时只需要把xmltodict的原始解析结果传入这个函数处理即可，处理完成后所有叶子节点的值都是列表类型，后续统一用'|'.join()处理就行，不管嵌套多少层逻辑都不用改。

两种方案都比逐字段写类型判断的决策树效率高、代码量小，新增字段时不需要额外加分支判断，适配性更强。

内容的提问来源于stack exchange，提问作者Quiescent