Python `请求.get`object，试图将`xml`解析为`pandas.DataFrame`

我已成功创建了一个

请求。从中获取（url）

对象，使用以下方法创建：

import requests

In [103]: socket = requests.get(''http://www.zillow.com/...neighborhood')

In [112]: root.tag
Out[112]: '{http://www.zillow.com/static/xsd/RegionChildren.xsd}regionchildren'

In [114]: for child in root:
          print child.tag, child.attrib
.....: 
request {}
message {}
response {}

当我检查

socket

对象中的内容时，我得到了很多内容，我将从一开始就分享其中的内容：

In [106]: socket.content
Out[106]: '<?xml version="1.0" encoding="utf-8"?><RegionChildren:regionchildren
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" 
xsi:schemaLocation="http://www.zillow.com/static/xsd/RegionChildren.xsd 
http://www.zillowstatic.com/vstatic/479fdf9/static/xsd/RegionChildren.xsd"  
xmlns:RegionChildren="http://www.zillow.com/static/xsd/RegionChildren.xsd"><request>
<state>wa</state><city>seattle</city><childtype>neighborhood</childtype></request>
<message><text>Request successfully processed</text><code>0</code></message><response>
<region><id>16037</id><latitude>47.559364</latitude><longitude>-122.313752</longitude>
</region><subregiontype>neighborhood</subregiontype><list><count>107</count><region>
<id>250206</id><name>Capitol Hill</name><zindex currency="USD">398000</zindex>
<url>http://www.zillow.com/local-info/WA-Seattle/Capitol-Hill/r_250206/</url>...'

我去过，在那里他们演示了如何解析

xml

文件。看起来（根据文档），这应该是解析字符串的适当方法：

import lxml.etree.ElementTree as ET

In [107]: root = ET.fromstring(socket.content)

但是，我仍然无法使用教程中提供的任何后续步骤访问任何标记元素（

，

，

，等等），例如，我得到以下结果：

import requests

In [103]: socket = requests.get(''http://www.zillow.com/...neighborhood')

In [112]: root.tag
Out[112]: '{http://www.zillow.com/static/xsd/RegionChildren.xsd}regionchildren'

In [114]: for child in root:
          print child.tag, child.attrib
.....: 
request {}
message {}
response {}

---

我希望能够迭代所有不同的标记元素，将它们放入

dict

或

pandas.DataFrame

，但我无法获得实际访问元素的第一步。

最后，我能够通过使用。具体如下：

import requests

In [103]: socket = requests.get(''http://www.zillow.com/...neighborhood')

In [112]: root.tag
Out[112]: '{http://www.zillow.com/static/xsd/RegionChildren.xsd}regionchildren'

In [114]: for child in root:
          print child.tag, child.attrib
.....: 
request {}
message {}
response {}

步骤1： 按照特别建议，将数据加载到

bs4

对象中

步骤2： 查看一下

xml

数据的混乱情况，以确定它的结构

[In] 11: f = open('pretty_xml.xml', 'w')
[In] 12: f.writelines(soup.prettify())
[In] 13: f.close()

步骤3： 开始提取

仔细查看数据后，使用

bs4.findChildren（）

功能将每个节点提取到列表的单元格中。例如：

[In] 14: soup_list = soup.findChildren()

然后（假设每个列表元素的

标记

相同，或者与我的情况基本相似），使用元素创建

（索引，值）

配对，执行如下操作：

[In] 15: d = {}
[In] 16: for i, element in enumerate(soup_list):
...:        index = map(lambda x: x.name, element.findChildren())
...:        vals = map(lambda x: unicode(x.text), element.findChildren())
...:        d[i] = pandas.Series(vals, index = index)

---

然后，您就可以创建一个

pandas.DataFrame

来传递

系列的
dict
 你怎么能把所有的标签放在一张纸上？必须有多个具有相似名称的标记..我尝试在我的XML行中给出上面的所有标记，很抱歉显示不好。他们是：。有100多个条目，每个条目都有这些标签（同上）。很好的解释。我知道这是很久以前的事了，但是你是如何做最后一次传递系列的记录的？我假设你说的是创建最终的
数据帧
（正确吗？），在这种情况下，它就是，
df=pandas.DataFrame（d）.transpose（）
是的，我正在处理一个类似的问题，但无法回避重复列问题。我会在数据帧内转置它吗？aka'df=pd.DataFrame（d.transpose（））？