pandas读取xml文件

最新推荐文章于 2026-08-15 11:33:14 发布

原创最新推荐文章于 2026-08-15 11:33:14 发布 · 1.1w 阅读

3 ·

本内容遵循CC 4.0 BY-SA版权协议

收录于

python

这篇博客介绍了如何使用pandas处理XML文件，特别是针对不同格式的XML数据，需要调整解析方式。文章源于StackFlow的原创答案，讨论了当XML文件的标签不同时，如何适配pandas的读取方法，例如将`<Table>`、`<Row>`、`<Cell>`替换为`<ss:Table>`、`<ss:Row>`、`<ss:Cell>`。

原创答案来自stackflow

import pandas as pd
from xml.sax import ContentHandler, parse

# Reference https://goo.gl/KaOBG3
class ExcelHandler(ContentHandler):
    def __init__(self):
        self.chars = [  ]
        self.cells = [  ]
        self.rows = [  ]
        self.tables = [  ]
    def characters(self, content):
        self.chars.append(content)
    def startElement(self, name, atts):
        if name=="Cell":
            self.chars = [  ]
        elif name=="Row":
            self.cells=[  ]
        elif name=="Table":
            self.rows = [  ]
    def endElement(self, name):
        if name=="Cell":
            self.cells.append(''.join(self.chars))
        elif name=="Row":
            self.rows.append(self.cells)
        elif name=="Table":
            self.tables.append(self.rows)

excelHandler = ExcelHandler()
parse('coalpublic2012.xls', excelHandler)#文件名
df1 = pd.DataFrame(excelHandler.tables[0][1:], columns=excelHandler.tables[0][0])

另外还有不同情况。

在我使用的过程中，发现有些xml的格式不一样，导致上面的excelHandler用不了，如开头和结尾是这样的，是可以用的：

开头

<Table ss:ExpandedColumnCount="2" ss:ExpandedRowCount="151" x:FullColumns="1" x:FullRows="1" ss:DefaultColumnWidth="48" ss:DefaultRowHeight="12.75"><Row><Cell ss:StyleID="s50"><Data ss:Type="String">\xe5\x9f\x8e\xe5\xb8\x82</Data></Cell><Cell ss:StyleID="s51">

结尾

</Data></Cell></Row></Table><WorksheetOptions xmlns="urn:schemas-microsoft-com:office:excel">

但是开头和结尾是这样的，需要修改，将excelHandler的Cell/Row/Table修改为对应的ss:Cell/ss:Row/ss:Table就可以了：

开头

<ss:Table>\n',
' <ss:Row>\n',
' <ss:Cell ss:StyleID="s27"><Data ss:Type="String">

结尾
' </ss:Row>\n',
' < /ss:Table>\n',
' </Worksheet>\n',
'</Workbook>']