如何解析XML指定标签字段并生成pandas DataFrame

不需要手写复杂的多层for循环逐标签爬取，两种方法都可以快速实现需求，优先推荐第一种pandas原生方法，代码最简洁。

方法1：用pandas内置read_xml快速读取（推荐） #

pandas自带XML解析能力，只需要指定节点的XPath路径，就能直接把节点内容读成DataFrame，对于嵌套的二级子节点单独读取一次再合并即可。
首先确保你已经安装必要依赖：
pip install pandas lxml

完整实现代码：

import pandas as pd

# 配置项，把这里换成你自己的XML文件路径，或者直接传入XML字符串
xml_source = "your_file.xml"

# 先读取crewMember一级节点下的直接字段
crew_base = pd.read_xml(
    xml_source,
    xpath=".//crewMember",
    elems_only=True
)
# 再读取flightQualification子节点下的字段
crew_qual = pd.read_xml(
    xml_source,
    xpath=".//crewMember/flightQualification",
    elems_only=True
)

# 合并整理为目标表结构，同时处理姓名首字母大写、字段类型转换
result = pd.DataFrame({
    "ID": crew_base["id"].astype(int),
    "firstname": crew_base["firstName"].str.capitalize(),
    "lastname": crew_base["lastName"].str.capitalize(),
    "isVaccinated": crew_qual["isVaccinated"].map({"true": True, "false": False})
})

运行后输出的result完全匹配你需要的表结构：

如果你的XML不是本地文件，是已经加载到内存的字符串，直接把xml_source换成对应的字符串变量即可，不需要额外修改其他逻辑。

方法2：用标准库xml.etree.ElementTree遍历实现（灵活度更高） #

如果你后续需要加复杂的字段判断、清洗逻辑，可以用Python标准库的XML解析模块遍历节点，不需要额外安装第三方包，逻辑也很简单：

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

tree = ET.parse("your_file.xml")
root = tree.getroot()
data_list = []

# 遍历所有crewMember节点
for member in root.findall(".//crewMember"):
    data_list.append({
        "ID": int(member.findtext("id")),
        "firstname": member.findtext("firstName").capitalize(),
        "lastname": member.findtext("lastName").capitalize(),
        # 直接用路径定位二级子节点，不需要多层循环嵌套
        "isVaccinated": member.findtext("flightQualification/isVaccinated") == "true"
    })

result = pd.DataFrame(data_list)

这里不需要嵌套多层for循环找子节点，直接给findtext传入节点的相对路径就能直接拿到嵌套字段的值，比逐层找子标签的写法简单很多。

内容的提问来源于stack exchange，提问作者rbasu98