pandas读取xml文件

来源：互联网发布：js向div添加html 编辑：程序博客网时间：2024/06/05 16:05

原创答案来自stackflow

import pandas as pdfrom xml.sax import ContentHandler, parse# Reference https://goo.gl/KaOBG3class ExcelHandler(ContentHandler):    def __init__(self):        self.chars = [  ]        self.cells = [  ]        self.rows = [  ]        self.tables = [  ]    def characters(self, content):        self.chars.append(content)    def startElement(self, name, atts):        if name=="Cell":            self.chars = [  ]        elif name=="Row":            self.cells=[  ]        elif name=="Table":            self.rows = [  ]    def endElement(self, name):        if name=="Cell":            self.cells.append(''.join(self.chars))        elif name=="Row":            self.rows.append(self.cells)        elif name=="Table":            self.tables.append(self.rows)excelHandler = ExcelHandler()parse('coalpublic2012.xls', excelHandler)#文件名df1 = pd.DataFrame(excelHandler.tables[0][1:], columns=excelHandler.tables[0][0])

另外还有不同情况。

在我使用的过程中，发现有些xml的格式不一样，导致上面的excelHandler用不了，如开头和结尾是这样的，是可以用的：

开头

<Table ss:ExpandedColumnCount="2" ss:ExpandedRowCount="151" x:FullColumns="1" x:FullRows="1" ss:DefaultColumnWidth="48" ss:DefaultRowHeight="12.75"><Row><Cell ss:StyleID="s50"><Data ss:Type="String">\xe5\x9f\x8e\xe5\xb8\x82</Data></Cell><Cell ss:StyleID="s51">

结尾

</Data></Cell></Row></Table><WorksheetOptions xmlns="urn:schemas-microsoft-com:office:excel">

但是开头和结尾是这样的，需要修改，将excelHandler的Cell/Row/Table修改为对应的ss:Cell/ss:Row/ss:Table就可以了：

开头

<ss:Table>\n',
' <ss:Row>\n',
' <ss:Cell ss:StyleID="s27"><Data ss:Type="String">

结尾
' </ss:Row>\n',
' </ss:Table>\n',
' </Worksheet>\n',
'</Workbook>']

阅读全文

0 0