如何将XML中不同嵌套标签的元素整合至Pandas DataFrame同一行

你之前的实现逻辑存在两处和XML结构不匹配的问题：

• 遍历范围错误：root.iter()会从根节点开始遍历所有层级的标签（包括每个item下嵌套的sales子标签），没有把单个<item>标签作为独立的行处理单元，导致每个子节点都会被单独解析成一行，出现大量零散的空值记录。
• 属性匹配逻辑错误：代码中无论当前遍历的节点是什么标签，都直接取节点上的id属性同时赋值给sales1_id和sales2_id，完全没有区分当前节点是sales1还是sales2，自然无法把属性匹配到正确的列上。
• 额外的效率问题：把pd.DataFrame()的生成语句放在循环内部，会在每遍历一个节点时都重复创建DataFrame，运行效率极低。

• 遍历范围调整：只筛选所有的<item>标签作为独立处理单元，不遍历item内部的嵌套子标签作为独立行
• 逐行初始化：对每一个item节点，先读取自身携带的client、is_known属性，作为当前行的基础数据，同时为所有目标列初始化空值
• 子属性匹配：在当前item内部逐一遍历子标签，根据子标签的名称（sales1、sales2），把子标签携带的id属性赋值到当前行对应的列上；没有对应子标签的列就保留空值
• 批量生成DataFrame：等所有item节点全部解析完成、把所有行数据存在列表里之后，再一次性生成DataFrame。

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

# 解析本地XML文件，替换为你自己的文件路径
xml_tree = ET.parse("your_file_path.xml")
root_node = xml_tree.getroot()

# 定义目标DataFrame的列名
target_cols = ["client", "is_known", "sales1_id", "sales2_id"]
all_rows = []

# 仅遍历所有item标签
for item in root_node.findall("item"):
    # 初始化当前行数据，item自身属性直接读取
    row_data = {
        "client": item.attrib.get("client"),
        "is_known": item.attrib.get("is_known"),
        "sales1_id": None,
        "sales2_id": None
    }
    # 遍历当前item下的所有子标签，匹配对应列
    for child in item:
        if child.tag == "sales1":
            row_data["sales1_id"] = child.attrib.get("id")
        elif child.tag == "sales2":
            row_data["sales2_id"] = child.attrib.get("id")
    all_rows.append(row_data)

# 批量生成最终DataFrame
result_df = pd.DataFrame(all_rows, columns=target_cols)

• 扩展性提示：如果后续需要新增sales3_id这类列，只需要在target_cols列表里加上对应列名，在子标签遍历的判断逻辑里增加sales3的匹配分支、把对应id赋值到新增列即可，不需要调整整体遍历逻辑。

针对你提供的三段item示例，最终生成的DataFrame结构完全符合预期：

内容的提问来源于stack exchange，提问作者Nicotops