Python 文件操作：XML 格式

XML（eXtensible Markup Language，可擴展標記語言）是一種用于描述結構化數據的文本文件格式。

它以標簽（tag）形式組織數據，具有自描述性和層級結構，適用于配置文件、數據交換、文檔存儲等場景。

幾乎所有編程語言都支持 XML 的解析與生成，同時 XML 也兼容多種標準（如 XHTML、SVG、RSS 等）。

一、XML 格式特點

XML 文件的擴展名通常為 .xml。

XML 文件主要特點包括：

（1）標簽結構

數據以 和 包圍形成樹狀結構，可嵌套。

（2）自描述性

每個標簽都可以說明其內容的含義。

（3）屬性（Attribute）

標簽可以包含屬性，例如 Alice 。

（4）層級關系

支持父子節點、兄弟節點及嵌套節點，表示復雜結構。

（5）編碼

推薦使用 UTF-8；在文件開頭可聲明 。

（6）注釋

使用 。

示例 XML 文件：

students>

以上示例展示了 XML 的基本結構：根節點 下包含多個 子節點，每個 節點又包含 與 。

二、在 Python 中表示 XML 數據

（1）使用字符串與內存文件對象

當我們想在內存中操作 XML，而不立即寫入磁盤時，可以使用 .StringIO：

print(buf.read())

StringIO 適用于測試、臨時存儲或從網絡請求中解析小型 XML 內容。

（2）使用字典/列表在內存中表示 XML 樹

在處理 XML 數據之前，通常先在內存中準備結構化數據。

示例：

print(students)

這種結構便于后續生成 XML，每個字典對應一個 節點。

三、使用 xml.etree.ElementTree 解析與生成 XML

Python 標準庫（簡稱 ET）提供對 XML 的讀寫支持，能夠處理樹形結構、節點查找和屬性管理。

（1）生成 XML 文件

print("students.xml 文件已保存。")

? ET.Element("tag") 創建節點。

? ET.SubElement(parent, "tag") 創建子節點并自動附加到父節點。

? tree.write() 可指定編碼與是否寫入 XML 聲明。

（2）讀取 XML 文件

    print(sid, name, score)

輸出結果：

3 Carol 90

? .find() 查找單個子節點，.findall() 查找所有匹配子節點。

? .get("attr") 獲取節點屬性值。

? 節點文本通過 .text 獲取。

（3）修改與新增節點

print("students_updated.xml 已更新。")

（4）防止 XML 注入（安全寫入）

在處理來自外部的數據時，避免直接寫入 XML 標簽內容，建議使用 xml.sax.saxutils.escape 對特殊字符進行轉義：

safe_name = escape(name)  # 轉義為 

這樣可防止 <、>、& 等字符破壞 XML 結構。

四、使用 Pandas 處理 XML 文件

從 1.3 起，提供了 read_xml 與 to_xml 方法，可方便地將 XML 與 DataFrame 相互轉換。

（1）讀取 XML 文件

需安裝必要的依賴：

pip install pandas lxml

示例：

print(df)

輸出：

2   3  Carol     90

pandas 會自動解析節點標簽，將屬性或子節點轉換為列。

（2）篩選與統計數據

print("平均分：", avg_score)

（3）將結果寫回 XML 文件

print("高分學生 XML 已保存。")

五、綜合案例

以下示例展示了 XML 文件在數據分析中的完整生命周期：數據創建 → 存儲 → 讀取 → 處理 → 輸出。

top.to_xml("top_students.xml", index=False)

運行結果：

平均分：91.0

小結

XML 作為一種結構化數據格式，具有自描述性和層級結構特點，適用于多種數據場景。使用 Python 處理 XML 數據有兩種主要方法：一是使用標準庫 xml.etree.ElementTree 進行 XML 的解析、生成和修改，包括節點操作、屬性管理和安全寫入；二是利用 Pandas 庫的 read_xml 和 to_xml 方法實現 XML 與 DataFrame 的高效轉換，便于數據分析和處理。

“點贊有美意，贊賞是鼓勵”