XML（eXtensible Markup Language，可擴(kuò)展標(biāo)記語言）是一種用于描述結(jié)構(gòu)化數(shù)據(jù)的文本文件格式。

它以標(biāo)簽（tag）形式組織數(shù)據(jù)，具有自描述性和層級結(jié)構(gòu)，適用于配置文件、數(shù)據(jù)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(shí) XML 也兼容多種標(biāo)準(zhǔn)（如 XHTML、SVG、RSS 等）。

一、XML 格式特點(diǎn)

XML 文件的擴(kuò)展名通常為 .xml。

XML 文件主要特點(diǎn)包括：

（1）標(biāo)簽結(jié)構(gòu)

數(shù)據(jù)以 和 包圍形成樹狀結(jié)構(gòu)，可嵌套。

（2）自描述性

每個(gè)標(biāo)簽都可以說明其內(nèi)容的含義。

（3）屬性（Attribute）

標(biāo)簽可以包含屬性，例如 Alice 。

（4）層級關(guān)系

支持父子節(jié)點(diǎn)、兄弟節(jié)點(diǎn)及嵌套節(jié)點(diǎn)，表示復(fù)雜結(jié)構(gòu)。

（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(jié)構(gòu)：根節(jié)點(diǎn) 下包含多個(gè) 子節(jié)點(diǎn)，每個(gè) 節(jié)點(diǎn)又包含 與 。

二、在 Python 中表示 XML 數(shù)據(jù)

（1）使用字符串與內(nèi)存文件對象

當(dāng)我們想在內(nèi)存中操作 XML，而不立即寫入磁盤時(shí)，可以使用 .StringIO：

print(buf.read())

StringIO 適用于測試、臨時(shí)存儲或從網(wǎng)絡(luò)請求中解析小型 XML 內(nèi)容。

（2）使用字典/列表在內(nèi)存中表示 XML 樹

在處理 XML 數(shù)據(jù)之前，通常先在內(nèi)存中準(zhǔn)備結(jié)構(gòu)化數(shù)據(jù)。

示例：

print(students)

這種結(jié)構(gòu)便于后續(xù)生成 XML，每個(gè)字典對應(yīng)一個(gè) 節(jié)點(diǎn)。

三、使用 xml.etree.ElementTree 解析與生成 XML

Python 標(biāo)準(zhǔn)庫（簡稱 ET）提供對 XML 的讀寫支持，能夠處理樹形結(jié)構(gòu)、節(jié)點(diǎn)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(chuàng)建節(jié)點(diǎn)。

? ET.SubElement(parent, "tag") 創(chuàng)建子節(jié)點(diǎn)并自動(dòng)附加到父節(jié)點(diǎn)。

? 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(jié)果：

3 Carol 90

? .find() 查找單個(gè)子節(jié)點(diǎn)，.findall() 查找所有匹配子節(jié)點(diǎn)。

? .get("attr") 獲取節(jié)點(diǎn)屬性值。

? 節(jié)點(diǎn)文本通過 .text 獲取。

（3）修改與新增節(jié)點(diǎn)

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(shù)據(jù)時(shí)，避免直接寫入 XML 標(biāo)簽內(nèi)容，建議使用 xml.sax.saxutils.escape 對特殊字符進(jìn)行轉(zhuǎn)義：

safe_name = escape(name)  # 轉(zhuǎn)義為 

這樣可防止 <、>、& 等字符破壞 XML 結(jié)構(gòu)。

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(zhuǎn)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(huì)自動(dòng)解析節(jié)點(diǎn)標(biāo)簽，將屬性或子節(jié)點(diǎn)轉(zhuǎn)換為列。

（2）篩選與統(tǒng)計(jì)數(shù)據(jù)

print("平均分：", avg_score)

（3）將結(jié)果寫回 XML 文件

print("高分學(xué)生 XML 已保存。")

五、綜合案例

以下示例展示了 XML 文件在數(shù)據(jù)分析中的完整生命周期：數(shù)據(jù)創(chuàng)建 → 存儲 → 讀取 → 處理 → 輸出。

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

運(yùn)行結(jié)果：

平均分：91.0

小結(jié)

XML 作為一種結(jié)構(gòu)化數(shù)據(jù)格式，具有自描述性和層級結(jié)構(gòu)特點(diǎn)，適用于多種數(shù)據(jù)場景。使用 Python 處理 XML 數(shù)據(jù)有兩種主要方法：一是使用標(biāo)準(zhǔn)庫 xml.etree.ElementTree 進(jìn)行 XML 的解析、生成和修改，包括節(jié)點(diǎn)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(shí)現(xiàn) XML 與 DataFrame 的高效轉(zhuǎn)換，便于數(shù)據(jù)分析和處理。

“點(diǎn)贊有美意，贊賞是鼓勵(lì)”