XML（eXtensible Markup Language，可扩展标记语言）是一种用于描述结构化数据的文本文件格式。

它以标签（tag）形式组织数据，具有自描述性和层级结构，适用于配置文件、数据交换、文档存储等场景。

几乎所有编程语言都支持 XML 的解析与生成，同时 XML 也兼容多种标准（如 XHTML、SVG、RSS 等）。

一、XML 格式特点

XML 文件的扩展名通常为 .xml。

XML 文件主要特点包括：

（1）标签结构

数据以 <tag> 和 </tag> 包围形成树状结构，可嵌套。

（2）自描述性

每个标签都可以说明其内容的含义。

（3）属性（Attribute）

标签可以包含属性，例如 <student id="1">Alice</student>。

（4）层级关系

支持父子节点、兄弟节点及嵌套节点，表示复杂结构。

（5）编码

推荐使用 UTF-8；在文件开头可声明 <?xml version="1.0" encoding="UTF-8"?>。

（6）注释

使用 <!-- 注释内容 -->。

示例 XML 文件：

<?xml version="1.0" encoding="UTF-8"?><students>    <student id="1">        <name>Alice</name>        <score>95</score>    </student>    <student id="2">        <name>Bob</name>        <score>88</score>    </student>    <student id="3">        <name>Carol</name>        <score>90</score>    </student></students>

以上示例展示了 XML 的基本结构：根节点 <students> 下包含多个 <student> 子节点，每个 <student> 节点又包含 <name> 与 <score>。

二、在 Python 中表示 XML 数据

（1）使用字符串与内存文件对象

当我们想在内存中操作 XML，而不立即写入磁盘时，可以使用 io.StringIO：

from io import StringIO
xml_text = """<?xml version="1.0" encoding="UTF-8"?><students>    <student id="1"><name>Alice</name><score>95</score></student>    <student id="2"><name>Bob</name><score>88</score></student></students>"""
# 创建内存中文本文件对象buf = StringIO(xml_text)print(buf.read())

StringIO 适用于测试、临时存储或从网络请求中解析小型 XML 内容。

（2）使用字典/列表在内存中表示 XML 树

在处理 XML 数据之前，通常先在内存中准备结构化数据。

示例：

students = [    {"id": 1, "name": "Alice", "score": 95},    {"id": 2, "name": "Bob", "score": 88},    {"id": 3, "name": "Carol", "score": 90},]print(students)

这种结构便于后续生成 XML，每个字典对应一个 <student> 节点。

三、使用 xml.etree.ElementTree 解析与生成 XML

Python 标准库 xml.etree.ElementTree（简称 ET）提供对 XML 的读写支持，能够处理树形结构、节点查找和属性管理。

（1）生成 XML 文件

import xml.etree.ElementTree as ET
# 根节点root = ET.Element("students")
# 添加子节点students = [    {"id": "1", "name": "Alice", "score": "95"},    {"id": "2", "name": "Bob", "score": "88"},    {"id": "3", "name": "Carol", "score": "90"},]
for s in students:    student = ET.SubElement(root, "student", id=s["id"])    name = ET.SubElement(student, "name")    name.text = s["name"]    score = ET.SubElement(student, "score")    score.text = s["score"]
# 写入文件tree = ET.ElementTree(root)tree.write("students.xml", encoding="utf-8", xml_declaration=True)print("students.xml 文件已保存。")

说明：

• ET.Element("tag") 创建节点。

• ET.SubElement(parent, "tag") 创建子节点并自动附加到父节点。

• tree.write() 可指定编码与是否写入 XML 声明。

（2）读取 XML 文件

import xml.etree.ElementTree as ET
tree = ET.parse("students.xml")root = tree.getroot()
for student in root.findall("student"):    sid = student.get("id")              # 获取属性    name = student.find("name").text     # 获取子节点文本    score = int(student.find("score").text)    print(sid, name, score)

输出结果：

1 Alice 952 Bob 883 Carol 90

说明：

• .find() 查找单个子节点，.findall() 查找所有匹配子节点。

• .get("attr") 获取节点属性值。

• 节点文本通过 .text 获取。

（3）修改与新增节点

import xml.etree.ElementTree as ETtree = ET.parse("students.xml")root = tree.getroot()
# 修改学生分数for student in root.findall("student"):    if student.get("id") == "2":        student.find("score").text = "90"
# 添加新学生new_student = ET.SubElement(root, "student", id="4")ET.SubElement(new_student, "name").text = "David"ET.SubElement(new_student, "score").text = "70"
tree.write("students_updated.xml", encoding="utf-8", xml_declaration=True)print("students_updated.xml 已更新。")

（4）防止 XML 注入（安全写入）

在处理来自外部的数据时，避免直接写入 XML 标签内容，建议使用 xml.sax.saxutils.escape 对特殊字符进行转义：

from xml.sax.saxutils import escape
name = '<Alice & Bob>'safe_name = escape(name)  # 转义为 &lt;Alice &amp; Bob&gt;

这样可防止 <、>、& 等字符破坏 XML 结构。

四、使用 Pandas 处理 XML 文件

从 Pandas 1.3 起，提供了 read_xml 与 to_xml 方法，可方便地将 XML 与 DataFrame 相互转换。

（1）读取 XML 文件

需安装必要的依赖：

pip install pandas lxml

示例：

import pandas as pd
df = pd.read_xml("students.xml")print(df)

输出：

id   name  score0   1  Alice     951   2    Bob     882   3  Carol     90

pandas 会自动解析节点标签，将属性或子节点转换为列。

（2）筛选与统计数据

# 筛选成绩 >= 90 的学生top_students = df[df["score"] >= 90]print(top_students)
# 平均分avg_score = df["score"].mean()print("平均分：", avg_score)

（3）将结果写回 XML 文件

top_students.to_xml("top_students.xml", index=False)print("高分学生 XML 已保存。")

五、综合案例

以下示例展示了 XML 文件在数据分析中的完整生命周期：数据创建 → 存储 → 读取 → 处理 → 输出。

import xml.etree.ElementTree as ETimport pandas as pd
# 1. 构造原始数据students = [    {"id": "1", "name": "Alice", "score": "95"},    {"id": "2", "name": "Bob", "score": "88"},    {"id": "3", "name": "Carol", "score": "90"},    {"id": "4", "name": "David", "score": "70"},]
# 2. 写入 XML 文件root = ET.Element("students")for s in students:    student = ET.SubElement(root, "student", id=s["id"])    ET.SubElement(student, "name").text = s["name"]    ET.SubElement(student, "score").text = s["score"]
tree = ET.ElementTree(root)tree.write("students.xml", encoding="utf-8", xml_declaration=True)
# 3. 使用 pandas 读取文件df = pd.read_xml("students.xml")
# 4. 筛选成绩 >= 85 的学生top = df[df["score"] >= 85]
# 5. 计算平均分avg_score = df["score"].mean()
print("高分学生：\n", top)print(f"平均分：{avg_score:.1f}")
# 6. 输出新的 XML 文件top.to_xml("top_students.xml", index=False)

运行结果：

高分学生：   id   name  score0   1  Alice     951   2    Bob     882   3  Carol     90平均分：91.0

📘 小结

XML 作为一种结构化数据格式，具有自描述性和层级结构特点，适用于多种数据场景。使用 Python 处理 XML 数据有两种主要方法：一是使用标准库 xml.etree.ElementTree 进行 XML 的解析、生成和修改，包括节点操作、属性管理和安全写入；二是利用 Pandas 库的 read_xml 和 to_xml 方法实现 XML 与 DataFrame 的高效转换，便于数据分析和处理。

“点赞有美意，赞赏是鼓励”