提问人：x89 提问时间：1/23/2023 最后编辑：HedgeHogx89 更新时间：1/25/2023 访问量：281
如何将单个标签中具有多个属性值的XML解析为DataFrame？
How to parse XML with multiple attribute values within a single tag to DataFrame?
问：
<?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>
如何解析如下所示的 XML 文件？在这里，我在单个标签中有多个值。我想以 or 格式提取“ID”和“OLD_ID”等值。listdataframe
答：
0赞
Francisco Rodrigues
1/23/2023
#1
使用 python Beautiful Soup，您可以将 .xml 文件解析为 Beatuful soup 对象，然后使用 .findAll（'defintions'）。 然后遍历您找到的标签并获取所需的值
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/
评论
0赞
x89
1/23/2023
如果您正在从文件中读取内容，您如何定义“对象”？
0赞
HedgeHog
1/23/2023
在较新的代码中，避免使用旧语法，而是使用 or with - 有关更多信息，请花一分钟时间查看文档findAll()find_all()select()css selectors
0赞
Francisco Rodrigues
1/24/2023
使用 open（'teachers.xml'， 'r'） 作为 f： file = f.read（） # 'xml' 是使用的解析器。对于 BeautifulSoup 通常用于的 html 文件，它将是“html.parser”。soup = BeautifulSoup（file， 'xml'） ref ： stackabuse.com/parsing-xml-with-beautifulsoup-in-python
2赞
HedgeHog
1/23/2023
#2
您可以使用 和 xml 解析器来实现您的目标，只需选择所需的元素并通过 迭代以提取属性值。BeautifulSoupResultSet.get()
with open('filename.xml', 'r') as f:
file = f.read()
soup = BeautifulSoup(file, 'xml')
例
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']
)
输出
| 编号 | old_id | |
|---|---|---|
| 0 | 1 | 0 |
| 1 | 7 | 1 |
评论
0赞
x89
1/23/2023
您还能帮助第二个用例吗？在这种情况下，我需要提取一个组合：一个标签的属性（即像我们之前所做的那样提供），一些标签本身的内容（例如级别、名称），然后是第一个标签的属性（时间戳），其值将在所有字段中重复。我编辑了qs
0赞
HedgeHog
1/23/2023
为了保持原始问题的干净，这注定要提出一个具有确切重点的新问题 - 只需在评论中删除链接即可参考您的新答案。会很棒
0赞
x89
1/23/2023
stackoverflow.com/questions/75210241/......
0赞
Hermann12
1/25/2023
#3
如果你有一个有效的 XML，比如（timestamp 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>
比你可以用：pandas
import pandas as pd
df = pd.read_xml('x89.xml', xpath='.//defintion')
print(df.to_string(index=False))
输出：
id old_id defintion
1 0 Lang
7 1 Eng
评论