You need to enable JavaScript to run this app. 如何转换指定格式XML为含动画id、名称、剧情简介的pandas DataFrame
优惠活动
大模型
产品
解决方案
定价
更多

如何转换指定格式XML为含动画id、名称、剧情简介的pandas DataFrame

核心解决思路

你之前的提取逻辑存在两个核心问题,导致剧情简介无法和条目绑定:

  1. 全局查找剧情简介时,会把其他类型节点(比如manga)下的简介混到结果里
  2. 全局查找拿到的简介列表,顺序和长度根本和anime列表不匹配——没有简介的条目会在全局查找列表里“空位前移”,最终拼出来的内容必然张冠李戴

只要把“查找当前动画条目下的剧情简介”的逻辑,嵌套到遍历每个anime节点的循环内部,就能天然实现id、名称、剧情简介的一一绑定,从根源上解决错位问题。

具体改造步骤
  • 不要用全局范围的剧情简介查找逻辑,把查找范围限定在当前正在遍历的anime节点的子树内
  • 给不存在剧情简介的条目设置空值,避免程序报错
  • 优化原有DataFrame追加的效率问题(原代码用的df.append在新版pandas中已废弃,推荐先收集所有行数据,最后一次性生成DataFrame)
改造后完整可运行代码
import requests
import pandas as pd
import xml.etree.ElementTree as ET

response = requests.get('https://cdn.animenewsnetwork.com/encyclopedia/api.xml?title=24235/24233/24232/24231/24230/24229/24227/24225/24224/24223/24222/24220/24218/24217/24216/24215/24214/24213/24212/24211/24210/24209/24208/24207/24206/24205/24204/24203/24202/24201/24200/24199/24198/24196/24195/24194/24193/24192/24191/24189/24187/24186/24185/24183/24182/24180/24179/24178/24177/24176/')
root = ET.fromstring(response.text)

rows = []
# 遍历所有anime节点
for anime_node in root.iter(tag='anime'):
    # 提取当前条目的基础字段
    current_id = anime_node.get('id')
    current_name = anime_node.get('name')
    # 仅在当前anime节点内部查找属性为Plot Summary的info元素
    current_plot = anime_node.find('./info[@type="Plot Summary"]')
    # 存在简介则提取文本并去首尾空格,不存在则置空字符串
    plot_content = current_plot.text.strip() if current_plot is not None else ''
    
    rows.append({
        'id': current_id,
        'name': current_name,
        'plot_summary': plot_content
    })

# 一次性生成最终DataFrame
anime_df = pd.DataFrame(rows)
关键注意点
  • 查找路径中的./前缀不能省略,这个标记会把搜索范围严格限制在当前anime节点内部,不会跨到其他条目(比如相邻的manga节点)里匹配内容
  • 如果某个anime节点下存在多个Plot Summary类型的info元素,可以把find换成findall,遍历所有匹配节点把文本拼接成完整内容即可
  • 这种嵌套遍历的方式不会出现顺序错位,哪怕某个条目没有剧情简介,也会在DataFrame里对应位置留空,不会打乱整体顺序

内容的提问来源于stack exchange,提问作者Aaron Yu

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.27 01:15:04