【发布时间】：2018-04-30 01:56:40
【问题描述】：
最近几天我一直在尝试打开和读取某个 XML 文件（DATEXII 格式），但到目前为止还没有成功。它是关于来自NDW Open Data website（荷兰道路和交通数据数据库）的交通数据，XML 文件源的超链接。树的头部就像in this picture 并继续like this，另见下面的sn-p。尽管这些加在一起只占数据的很小一部分。
<?xml version="1.0"?> -
<soapenv:Envelope xmlns:_0="http://datex2.eu/schema/2/2_0" xmlns:soapenv="http://schemas.xmlsoap.org/soap/envelope/">
<soapenv:Header/> -
<soapenv:Body>
-
<d2LogicalModel modelBaseVersion="2" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xsd="http://www.w3.org/2001/XMLSchema">
-
<exchange xmlns="http://datex2.eu/schema/2/2_0">
-
<supplierIdentification>
<country>nl</country>
<nationalIdentifier>NLNDW</nationalIdentifier>
</supplierIdentification>
</exchange>
-
<payloadPublication lang="nl" xmlns="http://datex2.eu/schema/2/2_0" xsi:type="MeasuredDataPublication">
<publicationTime>2017-10-30T05:00:40.007Z</publicationTime>
-
<publicationCreator>
<country>nl</country>
<nationalIdentifier>NLNDW</nationalIdentifier>
</publicationCreator>
<measurementSiteTableReference targetClass="MeasurementSiteTable" version="955" id="NDW01_MT" /> -
<headerInformation>
<confidentiality>noRestriction</confidentiality>
<informationStatus>real</informationStatus>
</headerInformation>
-
<siteMeasurements>
<measurementSiteReference targetClass="MeasurementSiteRecord" version="1" id="PZH01_MST_0690_00" />
<measurementTimeDefault>2017-10-30T04:59:00Z</measurementTimeDefault>
-
<measuredValue index="1">
-
<measuredValue>
-
<basicData xsi:type="TrafficFlow">
-
<vehicleFlow>
<vehicleFlowRate>60</vehicleFlowRate>
</vehicleFlow>
</basicData>
</measuredValue>
</measuredValue>
-
<measuredValue index="2">
-
<measuredValue>
-
<basicData xsi:type="TrafficFlow">
-
<vehicleFlow>
<vehicleFlowRate>0</vehicleFlowRate>
</vehicleFlow>
</basicData>
</measuredValue>
</measuredValue>
-
<measuredValue index="3">
-
<measuredValue>
-
<basicData xsi:type="TrafficFlow">
-
<vehicleFlow>
<vehicleFlowRate>0</vehicleFlowRate>
</vehicleFlow>
</basicData>
</measuredValue>
</measuredValue>
-
<measuredValue index="4">
-
<measuredValue>
-
<basicData xsi:type="TrafficFlow">
-
<vehicleFlow>
<vehicleFlowRate>60</vehicleFlowRate>
</vehicleFlow>
</basicData>
</measuredValue>
</measuredValue>
-
<measuredValue index="5">
-
<measuredValue>
-
<basicData xsi:type="TrafficSpeed">
-
<averageVehicleSpeed numberOfInputValuesUsed="1">
<speed>38</speed>
</averageVehicleSpeed>
</basicData>
</measuredValue>
</measuredValue>
-
<measuredValue index="6">
-
<measuredValue>
-
<basicData xsi:type="TrafficSpeed">
-
<averageVehicleSpeed numberOfInputValuesUsed="0">
<speed>-1</speed>
</averageVehicleSpeed>
</basicData>
</measuredValue>
</measuredValue>
-
<measuredValue index="7">理想情况下，我希望在 Jupyter Notebook 中使用 Python 作为 DataFrame 加载信息，以便在数据允许的情况下执行一些预测分析。我已经尝试过 ElementTree，像这样的 lxml，灵感来自许多其他线程：
# Standard Packages
import pandas as pd
import numpy as np
# Necessary Packages for XML and setting Working Directory
import os
import xml.etree.ElementTree as ET
import lxml
os.chdir("C:/.../Intensiteiten en snelheden/30-10-2017")
xml_file = open('0600_Trafficspeed.xml').read() # Unzipped the file manually
def xml2df(xml_data):
root = ET.XML(xml_data) # element tree
all_records = [] #This is our record list which we will convert into a
dataframe
for i, child in enumerate(root): #Begin looping through our root tree
record = {} #Place holder for our record
for subchild in child: #iterate through the subchildren
record[subchild.tag] = subchild.text #Extract the text create a new
dictionary key, value pair
all_records.append(record) #Append this record to all_records.
return pd.DataFrame(all_records) #return records as DataFrame
print(xml2df(xml_file))
虽然这只会返回一个带有第一行的条目，例如列名：d2LogicalModel，行：0，条目：无。
我在 Microsoft Edge 中很难看到树状结构，需要大量 CPU（Notepad++ 和插件 XMLtools 也足够了，但会因“更大”大小的文件（即 > 20mb）而崩溃）。虽然，在我看来，这种结构仍然难以理解。层太多，我不知道如何用正确的子子子项等定义xml2df()。
因此，我的问题首先归结为，我如何能够用数据识别变量/列？特此概述我要导入的相关数据。其次，如何将其导入DataFrame？
注意：由于 DATEXII 格式是欧洲交通数据的标准，我希望他们的指南会有所帮助（请参阅 documents），但它们对我来说还没有意义。也许他们会对你们中的任何一个人：)
非常感谢任何帮助！
【问题讨论】：
-
发布完整代码，包括导入。另外，请举例说明您的函数应该返回什么。一个作为建议，暂时将 pandas 排除在外，专注于将数据提取到 pandas 可以处理的 json 或 csv 中。这样，工作和帮助会更轻松。
-
@IgnacioVergaraKausel 感谢您的评论。我已经编辑并包含了完整的代码。我同意，目前提取是最重要的，但问题是，我首先需要对数据有一个概述，以便知道我想要什么作为回报。到目前为止，我希望遍历整个文档可以为我提供所有数据，之后我可以过滤和选择。
-
另一项：请下载完整的 XML sn-p（包括根标签）并将示例发布在您的问题正文中。不要让我们（无偿志愿者）按照您对非英语网站 API 的说明进行下载。
-
@Parfait Fair 点，更新包含两个 XML 图像的链接。希望这会有所帮助。
-
不要post screenshots，因为我们无法复制粘贴到我们的环境中。帮助我们帮助您。不要给我们带来负担。我们只需要足够的 XML sn-p（不是全部）来理解模式。
标签： python xml dataframe lxml elementtree