读取使用属性的 XML答案

【问题标题】：Reading XML that uses attributes读取使用属性的 XML
【发布时间】：2022-01-13 05:42:11
【问题描述】：

一个关于 XML 的菜鸟问题。我正在使用 ElementTree 将 XML 转换为 df 并最终上传到数据库。我的问题是 XML 格式不标准。我见过的所有 ElementTree 示例都使用不同的格式。它看起来像这样：

<session session_id="9">
    <party party_id="1" name="party 1">
        <member member_id="1" name="bob"/>
        <member member_id="2" name="simon"/>
    </party>
    <party party_id="2" name="party 2">
        <member member_id="3" name="diana"/>
        <member member_id="4" name="pablo"/>
    </party>
</session>

一方面，所有信息都写在属性中，这不是什么大问题，因为我仍然可以获取它们。但是，我不仅要获取 member 元素的属性，还要获取它们父母的属性。所以结果应该是这样的：

member_id	member_name	party_id	session_id
1	bob	1	9
2	simon	1	9
3	diana	2	9
4	pablo	2	9

我使用children = list(root.iter()) 列出所有孩子，然后将它们的属性附加到数据框。但是我失去了与父级的链接，所以我不能真正说出member 来自哪个party 分支，所以我无法分配正确的party_id。

我想知道是否有一种简单的方法可以从这种 XML 结构中获取数据帧？

【问题讨论】：

欢迎来到 Stack Overflow。以minimal reproducible example 的形式向我们展示代码。关于获取父级，见stackoverflow.com/q/24239435/407651，stackoverflow.com/q/2170610/407651
找到所有的party标签，并为每一个标签遍历他们的member，也就是说，这样你在看孩子时就知道父母。奇怪的是，ElementTree 中有一个 findall() 方法，请查看文档。
仅供参考，您的 XML 没有任何“非标准”。这只是... xml。
仅仅因为你作为一个新手，以前没有见过这样的 XML 并不意味着它是“非标准的”。你真的应该重新考虑你的学习策略：阅读你用来学习它们概念的技术，而不是每次遇到新事物时都感到惊讶。

标签： python xml dataframe elementtree

【解决方案1】：

类似的东西

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


xml = '''<session session_id="9">
    <party party_id="1" name="party 1">
        <member member_id="1" name="bob"/>
        <member member_id="2" name="simon"/>
    </party>
    <party party_id="2" name="party 2">
        <member member_id="3" name="diana"/>
        <member member_id="4" name="pablo"/>
    </party>
</session>'''

data = []
root = ET.fromstring(xml)
session_id = root.attrib['session_id']
for party in root.findall('party'):
  for memeber in party.findall('member'):
    data.append({'session_id':session_id,'party_id': party.attrib['party_id']})
    data[-1]['member_name'] = memeber.attrib['name']
    data[-1]['member_id'] = memeber.attrib['member_id']
df = pd.DataFrame(data)
print(df)

输出

  session_id party_id member_name member_id
0          9        1         bob         1
1          9        1       simon         2
2          9        2       diana         3
3          9        2       pablo         4

【讨论】：

为什么在收集完所有数据后使用-1索引而不是附加元素？

【解决方案2】：

您的 xml 完全有效且格式正确，但下面的示例说明了 xml 通常的结构。

<parent attribute="supporting information">
    Information
    <child attribute="supporting information">
        Information
    </child>
</parent>

唉，ElementTree 没有提供将属性转换为标签内容/信息的简洁方法。

解决方案
您已经完成了一半（如果我们计算根元素“会话”，则可能是第三个）。您必须对每个 xml 元素级别进行迭代。（例如，对于每个派对元素，迭代每个成员）。

【讨论】：

XML 规范w3.org/TR/xml 指定了 XML 的语法，而您的“支持信息”和“信息”示例正是这样：一个示例，即它不是规范的一部分，例如“支持”不在规范中。所以 XML 没有指定你所做的区分——它可以这样使用，也可以不这样使用——两者都是有效的。
公平点@balmy，我会编辑答案。
正如 OP 的示例可能显示的那样，可能没有“通常”的方式来构建 XML，只有“通常”或适合不同数据和目的的不同方式。