如何将单个标签中具有多个属性值的 XML 解析为 DataFrame？

Question

<?xml version="2.0" encoding="UTF-8" ?><timestamp="20220113">
<defintions>
    <defintion id="1" old_id="0">Lang</defintion>
    <defintion id="7" old_id="1">Eng</defintion>

我如何解析这样的 XML 文件？ 在这里，我在一个标签中有多个值。 我想以list或dataframe格式提取值，例如“ID”和“OLD_ID”。

Answer 1

您可以使用BeautifulSoup和xml解析器来实现您的目标，只需 select 所需的元素并迭代ResultSet以通过.get()提取属性值。

with open('filename.xml', 'r') as f:
    file = f.read() 
    soup = BeautifulSoup(file, 'xml')

例子

from bs4 import BeautifulSoup
import pandas as pd

xml = '''<?xml version="2.0" encoding="UTF-8" ?><timestamp="20220113">
<defintions>
    <defintion id="1" old_id="0">Lang</defintion>
    <defintion id="7" old_id="1">Eng</defintion>
'''
soup = BeautifulSoup(xml,'xml')


pd.DataFrame(
    [
        (e.get('id'),e.get('old_id'))
        for e in soup.select('defintion')
    ],
    columns = ['id','old_id']
)

Output

	ID	旧ID
0	1个	0
1个	7	1个

Answer 2

使用 python Beautiful Soup，您可以将 .xml 文件解析为 Beatuful soup object，然后使用.findAll('defintions')。 然后遍历找到的标签并获得所需的值

object.findAll('defintions')

for defintion in defintions:
    old_id = defintions['old_id']
    id = defintions['id']

参考资料： https://www.crummy.com/software/BeautifulSoup/bs4/doc/ https://linuxhint.com/parse_xml_python_beautifulsoup/

Answer 3

如果你有一个像XML 这样的有效值（时间戳标签不能有像属性这样的值）：

<?xml version='1.0' encoding='utf-8'?>
<root timestamp='20220113'>
<defintions>
    <defintion id="1" old_id="0">Lang</defintion>
    <defintion id="7" old_id="1">Eng</defintion>
</defintions>
</root>

比你可以使用pandas ：

import pandas as pd

df = pd.read_xml('x89.xml', xpath='.//defintion')
print(df.to_string(index=False))

Output：

 id  old_id defintion
  1       0      Lang
  7       1       Eng