使用 BeautifulSoup 或 Elementtree 将 XML 嵌套到数据框

Question

我有一个代表产品交易的 XML 文件。我想将此数据转换为 pandas 数据框，但不知道如何迭代以获取所有产品级别数据。

这是一个 XML 示例：

<?xml version="1.0" encoding="iso-8859-1"?>
<order-root>
    <order ordernumber="12345">
        <orderheader>
            <customerid>114597</customerid>
            <paymentmethod>333</paymentmethod>
            <shippingmethod>127</shippingmethod>
            <orderdatum>2020-01-01 00:47:42</orderdatum>
            <orderstatus>6</orderstatus>
            <currency>Dollar</currency>
        </orderheader>
        <orderrows>
            <orderrow orderrownumber="1">
                <articlenumber>10004171</articlenumber>
                <articlename>Random name 1</articlename>
                <unit>1</unit>
                <price>2543</price>
                <vat>25</vat>
            </orderrow>
        </orderrows>
    </order>
    <order ordernumber="23456">
        <orderheader>
            <customerid>114602</customerid>
            <paymentmethod>333</paymentmethod>
            <shippingmethod>109</shippingmethod>
            <orderdatum>2020-01-01 10:45:45</orderdatum>
            <orderstatus>6</orderstatus>
            <currency>Dollar</currency>
        </orderheader>
        <orderrows>
            <orderrow orderrownumber="1">
                <articlenumber>10448306</articlenumber>
                <articlename>Random name 2</articlename>
                <unit>1</unit>
                <price>235</price>
                <vat>25</vat>
            </orderrow>
            <orderrow orderrownumber="2">
                <articlenumber>10448272</articlenumber>
                <articlename>Random name 3</articlename>
                <unit>1</unit>
                <price>109</price>
                <vat>25</vat>
            </orderrow>
        </orderrows>
    </order>
        <order ordernumber="34567">
        <orderheader>
            <customerid>114327</customerid>
            <paymentmethod>333</paymentmethod>
            <shippingmethod>109</shippingmethod>
            <orderdatum>2020-01-01 10:45:45</orderdatum>
            <orderstatus>6</orderstatus>
            <currency>Dollar</currency>
        </orderheader>
        <orderrows>
            <orderrow orderrownumber="1">
                <articlenumber>10448306</articlenumber>
                <articlename>Random name 2</articlename>
                <unit>1</unit>
                <price>235</price>
                <vat>25</vat>
            </orderrow>
            <orderrow orderrownumber="2">
                <articlenumber>10448272</articlenumber>
                <articlename>Random name 3</articlename>
                <unit>1</unit>
                <price>109</price>
                <vat>25</vat>
            </orderrow>
            <orderrow orderrownumber="3">
                <articlenumber>10448562</articlenumber>
                <articlename>Random name 4</articlename>
                <unit>1</unit>
                <price>23</price>
                <vat>25</vat>
            </orderrow>
        </orderrows>
    </order>
</order-root>

这就是我期望的最终结果：

订单号	客户ID	付款方式	运送方式	订单数据	订单状态	货币	订单行号	商品编号	文章名称	单位	价格	大桶
12345	114597	333	127	2020-01-01 0:47:42	6	美元	1	10004171	随机名称1	1	2543	25
23456	114602	333	109	2020-01-01 10:45:45	6	美元	1	10448306	随机名称2	1	235	25
23456	114602	333	109	2020-01-02 10:45:45	6	美元	2	10448272	随机名称3	1	109	25
34567	114327	333	109	2020-01-01 10:45:45	6	美元	1	10448306	随机名称2	1	235	25
34567	114327	333	109	2020-01-02 10:45:45	6	美元	2	10448272	随机名称3	1	109	25
34567	114327	333	109	2020-01-03 10:45:45	6	美元	3	10448562	随机名称4	1	23	25

Answer 1

关于如何迭代数据的问题，可以通过XPath，使用“*”来选择WebElement的所有子元素： 导入操作系统 导入 xml.etree.cElementTree 作为 ET

html_Input = open("path of html", "r")
tree = ET.parse(html_Input)
root = tree.getroot()

for order in root.findall("/order-root/order"):
    for child in order.findall("./orderheader/*"):
        print(f"{child}\n")
    for child in order.findall("./orderrows/*"):
        print(f"{child}\n")

html_Input.close()

提到从 XML 创建 pandas 数据框，pandas 已经有了 read_xml

的选项

import pandas as pd
df = pd.read_xml("Your XML file", xpath=".//order") #Each order WebElement contains all data for each row.
df

Answer 2

这就是我解决问题所需要的。

将 pandas 导入为 pd df = pd.read_xml("Your XML file", xpath=".//order") #每个订单 WebElement 包含每行的所有数据。 df