使用Python将MATSIM population复杂XML文件转换为指定字段CSV

核心思路 #

• 直接使用Python标准库xml.etree.ElementTree解析XML文件，无需额外安装第三方依赖，完全兼容population_v6.dtd规范
• 遍历所有person节点提取人员ID，仅保留标记为selected="yes"的生效计划
• 按顺序配对活动节点（activity）和后续出行段节点（leg），将对应属性写入CSV
• 采用标准库csv处理输出，自动处理特殊字符、避免编码错误

可直接运行的代码 #

import xml.etree.ElementTree as ET
import csv

# 替换为你的实际文件路径
XML_INPUT_PATH = "population.xml"
CSV_OUTPUT_PATH = "population_output.csv"

# CSV表头可根据实际提取需求增删字段
CSV_FIELDS = [
    "person_id",
    "activity_type",
    "x",
    "y",
    "end_time",
    "subsequent_leg_mode"
]

def convert_matsim_xml_to_csv():
    # 解析XML文件
    tree = ET.parse(XML_INPUT_PATH)
    root = tree.getroot()

    with open(CSV_OUTPUT_PATH, "w", encoding="utf-8", newline="") as csv_file:
        writer = csv.DictWriter(csv_file, fieldnames=CSV_FIELDS)
        writer.writeheader()

        # 遍历所有人员
        for person in root.findall("person"):
            pid = person.get("id")
            # 取当前生效的选中计划
            selected_plan = person.find("./plan[@selected='yes']")
            if not selected_plan:
                continue

            plan_nodes = list(selected_plan)
            # 配对活动与后续出行
            for idx, node in enumerate(plan_nodes):
                if node.tag != "activity":
                    continue
                # 提取活动属性
                row_data = {
                    "person_id": pid,
                    "activity_type": node.get("type"),
                    "x": node.get("x"),
                    "y": node.get("y"),
                    "end_time": node.get("end_time"),
                    "subsequent_leg_mode": ""
                }
                # 提取下一个节点的出行模式，最后一个活动无后续出行则留空
                if idx + 1 < len(plan_nodes) and plan_nodes[idx+1].tag == "leg":
                    row_data["subsequent_leg_mode"] = plan_nodes[idx+1].get("mode")
                writer.writerow(row_data)

if __name__ == "__main__":
    convert_matsim_xml_to_csv()
    print(f"转换完成，输出文件路径：{CSV_OUTPUT_PATH}")

自定义调整说明 #

• 若需要单独导出出行段数据，可新增逻辑遍历leg节点，关联前后活动的属性
• 若处理超大XML文件（百兆以上），可改用ET.iterparse迭代解析，避免一次性加载全量文件占用过高内存
• 若需要新增其他提取字段，直接在row_data中补充对应属性提取逻辑即可，例如提取活动的start_time、计划的score属性等

内容的提问来源于stack exchange，提问作者Elham