pandas read_xml无法正确读取XML目标字段数据问题咨询

pandas 内置的read_xml方法默认仅解析XML根节点下的直接一级子元素作为DataFrame行，不会自动递归读取多层嵌套的节点内容。直接无参数调用时，嵌套在节点深层的ETIM产品分类、产品标识号字段不会被自动捕获，因此返回结果会出现空值、列不匹配的异常。

第一步：先明确XML实际结构 #

先打开XML文件查看前20行内容，确认三个核心信息：

• 对应单条产品记录的重复节点标签名（常见为Product、Item、Record）
• 目标字段（ETIM产品分类、产品标识号）对应的标签名、所在层级
• 根节点是否带有xmlns开头的命名空间声明

方案1：标准库逐节点解析（新手优先选，稳定性最高） #

不用依赖pandas的自动解析逻辑，用Python标准库xml.etree手动遍历节点提取目标字段，不会出现解析错位问题，示例代码：

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

# 加载XML文件
tree = ET.parse('你的XML文件本地路径/ProductData.xml')
root = tree.getroot()

result = []
# 遍历所有产品节点，将'Product'替换为你实际查到的产品节点标签名
for product_node in root.iter('Product'):
    # 提取产品标识号，将'ProductID'替换为实际的产品标识号标签名
    product_id = product_node.findtext('.//ProductID')
    # 提取ETIM产品分类，将'ETIMClass'替换为实际的ETIM分类标签名
    etim_category = product_node.findtext('.//ETIMClass')
    result.append({
        "产品标识号": product_id,
        "ETIM产品分类": etim_category
    })

# 转换为DataFrame
df = pd.DataFrame(result)

代码里的.//表示递归查找当前节点下所有层级的匹配标签，不需要手动写全每一层嵌套路径，只要标签名正确就能提取到对应值。

方案2：调整pandas read_xml参数（适合嵌套层级浅的场景） #

如果不想手动遍历节点，可以通过指定xpath、命名空间参数让pandas定位到正确的解析层级：

• 如果XML没有命名空间，直接指定行节点路径即可：

df = pd.read_xml(
    '你的XML文件本地路径/ProductData.xml',
    xpath='//Product', # 替换为实际的产品节点路径
    elems_only=True
)

• 如果XML根节点带有命名空间，必须先声明命名空间再解析，否则所有带命名空间前缀的节点都会返回空值：

# 替换为你XML根节点中xmlns对应的实际命名空间地址
ns = {"d": "http://xxx.com/product/schema"}
df = pd.read_xml(
    '你的XML文件本地路径/ProductData.xml',
    xpath='//d:Product',
    namespaces=ns,
    elems_only=True
)

• 标签名大小写敏感，必须和XML里的拼写完全一致，比如<Product>和<product>会被识别为不同节点
• 带命名空间的节点不能直接用标签名查找，必须带上命名空间前缀
• 不要直接用默认参数读取多层嵌套XML，默认解析逻辑只会抓根节点下的一级子节点，必然会丢失深层数据

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