python - 在 pandas 中解析 XML

Question

我有一个 xml 文件列表，我想在每个文件中获取两个值来为数据帧创建索引。我使用 for 循环来执行此操作，因为我有大约 1000 个文件，这并不是那么大，并且我想计算这些文件的一些特征以存储在数据帧中。

例如，第一个文件如下所示:

<?xml version="1.0" encoding="utf-8"?>
<tag1>
    <tag2>
        <tag3>
            <author>The author</author>
            <title> The title </title>
        </tag3>
    </tag2>
</tag1>

所以我可以使用多索引[author,title]创建一个数据框:

tree = etree.parse(file)
root = tree.getroot()
title = tree.xpath("/tag1/tag2/tag3/author")[0].text
author = tree.xpath("/tag1/tag2/tag3/title")[0].text

features = [Some Feature engineering]
features_names = [List of the feature names]
pd.DataFrame(features,columns = features_names,index = [[author],[title]])

我的问题是，由于文件之间的结构始终相同(相同数量的标签)，标签的名称可能会从一个文件更改为另一个文件，例如:

<?xml version="1.0" encoding="utf-8"?>
<tag_1>
    <secondtag>
        <tag3>
            <author>The second author</author>
            <title> The second title </title>
        </tag3>
    </secondtag>
</tag_1>

如何在事先不知道标签名称的情况下访问作者和标题？

Answer 1

使用查找子节点而不是直接路径 https://docs.python.org/2/library/xml.etree.elementtree.html#module-xml.etree.ElementTree