如何用Python脚本在Orange3中导入本地XML并转换为指定结构化表格

前置准备 #

• 把本地XML文件放到易找到的位置，记录完整文件路径（Windows系统建议把路径里的单斜杠\替换成/，避免转义报错）
• 从Orange3部件库拖入Python脚本小部件到画布，不需要额外连接其他输入部件

可直接复用的脚本代码 #

直接把以下代码替换Python脚本小部件的默认模板代码，仅需要修改开头的文件路径配置即可运行：

# 导入内置依赖，Orange3环境已自带，无需额外安装
import xml.etree.ElementTree as ET
import Orange.data
import pandas as pd

# -------------------------- 仅需修改这里的文件路径 --------------------------
xml_file_path = "替换成你自己的XML文件完整路径，例：C:/Users/xxx/Desktop/test.xml"
# -----------------------------------------------------------------------------

# 1. 解析XML文件
xml_tree = ET.parse(xml_file_path)
root_node = xml_tree.getroot()

# 2. 按照XML层级定位到所有locus节点
loci_parent_node = root_node.find("./datas/dna/profile/loci")
all_locus_nodes = loci_parent_node.findall("locus")

# 3. 存储列名和对应值
result_data = {}

# 遍历每个locus（对应one、two、three三个位点）
for locus in all_locus_nodes:
    locus_name = locus.get("name")
    # 遍历当前位点下的所有allele节点
    for allele in locus.findall("allele"):
        allele_order = allele.get("order")
        allele_value = allele.text.strip()
        # 生成目标格式的列名
        col_name = f"{locus_name}_{allele_order}"
        result_data[col_name] = [allele_value]

# 4. 转换为Orange3可识别的结构化数据表
df = pd.DataFrame(result_data)
# 自动将字符串格式的数值转为数值类型
df = df.apply(pd.to_numeric)
out_data = Orange.data.Table.from_pandas(df)

运行验证 #

• 替换好文件路径后，点击Python脚本小部件的「运行」按钮
• 将小部件的输出端口连接到「数据表格」小部件，即可看到和你要求的结构完全一致的表格内容

常见问题说明 #

• 如果需要强制固定列的顺序，可以在代码的df = pd.DataFrame(result_data)行后面加一行：
  df = df[["one_1", "one_2", "two_1", "two_2", "three_1", "three_2"]]
• 如果后续XML新增了多行profile数据，只要把每一行的解析结果存到列表里，最后生成DataFrame时会自动匹配为多行数据，无需改动核心解析逻辑

内容的提问来源于stack exchange，提问作者user9446044