parquet与xml本质不同，无直接转换协议，需通过pandas dataframe桥接：parquet→xml用read_parquet()+to_xml()（扁平）或xml.etree/lxml（嵌套）；xml→parquet用xmltodict解析后转dataframe再to_parquet()。
Parquet 和 XML 是两类根本不同的数据格式：前者是二进制列式存储，面向高性能分析；后者是文本型树状标记语言，面向可读性与跨系统交换。它们之间没有直接互转协议或原生转换器，必须通过中间结构（通常是内存中的 dict 或 DataFrame）桥接。
用 Python + pandas 实现 Parquet ↔ XML 的实际路径
这是目前最稳定、可控、适合中小规模数据的方案。核心思路是：先读成 pandas.DataFrame（统一中间表示），再分别导出为目标格式。
-
Parquet → XML：用
pandas.read_parquet()加载，再遍历行构造xml.etree.ElementTree或用lxml生成带命名空间/嵌套的 XML；若只需扁平结构，也可用to_xml()（pandas ≥ 1.3.0） -
XML → Parquet：先解析 XML 成
list[dict]（推荐xmltodict或lxml.objectify），再转成DataFrame，最后调用to_parquet() - 注意：pandas 的
to_xml()不支持嵌套结构（如<person><address><city>Shanghai</city></address></person>），遇到复杂层级必须手写生成逻辑 - 大文件（>500MB）慎用全量加载到内存——XML 解析易 OOM，Parquet 读取虽快但反序列化后 DataFrame 占用翻倍
import pandas as pd
import xmltodict
<h1>XML → Parquet 示例（假设 XML 是扁平列表结构）</h1><p>with open("data.xml", "r") as f:
xml_data = xmltodict.parse(f.read())
df = pd.DataFrame(xml_data["root"]["record"]) # 根据实际 XML 结构调整 key
df.to_parquet("output.parquet", index=False)</p><h1>Parquet → XML 示例（使用 pandas 内置 to_xml，仅限简单 flat schema）</h1><p>df = pd.read_parquet("input.parquet")
df.to_xml("output.xml", root_name="records", row_name="record", xml_declaration=True)为什么不能用 Spark 或 Hive 直接转？
Spark 支持 read.parquet() 和 write.xml()（需第三方包 spark-xml），但二者生态割裂：
-
spark-xml只支持从 XML 读取，不支持写入；且对重复标签、混合文本+子元素等常见 XML 模式支持极弱 - Hive / Impala 完全不支持 XML 作为表存储格式（
STORED AS XML不存在），只能把 XML 当作STRING字段存，失去结构意义 - 在 Azure Data Factory 或 Fabric 中，
XML连接器仅支持“扁平化”解析（即 XPath 提取单层字段），无法还原原始嵌套结构，更无法反向生成合法 XML
换句话说：只要 XML 含有任意嵌套、属性、命名空间或混合内容，Spark/Hive 就不是可行路径。
JSON 即 JavaScript Object Natation，它是一种轻量级的数据交换格式，非常适合于服务器与 JavaScript 的交互。本文将快速讲解 JSON 格式，并通过代码示例演示如何分别在客户端和服务器端进行 JSON 格式数据的处理。
常见报错和坑点直击
实操中最容易卡在类型映射和空值处理上：
-
ParquetMissedDecimalPrecisionScale：当 Parquet 文件中某列为decimal但 schema 缺少precision/scale元信息，pandas 会默认转成float64，再导出 XML 时精度丢失（如123.450变成123.45）。解决：读取时强制指定 dtype，或用pyarrow引擎保留 decimal -
xml.etree.ElementTree.ParseError: not well-formed：常因 XML 原文含未转义字符（如&,, <code>]]>）。别自己 replace，改用lxml.etree.fromstring()并设置recover=True - 中文乱码：XML 声明里写的是
encoding="GBK"，但 Python 默认按 UTF-8 打开。务必显式传encoding="gbk"给open() - XML 导出后无换行缩进：pandas
to_xml()不支持美化。如需可读 XML，得用xml.dom.minidom重新格式化字符串
什么时候该放弃互转？
如果 XML 是配置类、文档类或含大量注释/处理指令（<?xml-stylesheet ?>）、CDATA 块、DTD 声明——这些语义在 Parquet 中完全无法表达，硬转只会丢信息。同理，Parquet 中的 LIST、MAP、STRUCT 类型也无法一对一映射到 XML 元素关系。
真正需要的往往不是“格式转换”，而是“语义等价的数据提取”。比如：从 XML 日志中抽取出 timestamp、event_type、user_id 三列，存为 Parquet 供分析——这时你只需要 XPath 或 xmltodict 提取字段，而不是试图把整个 XML 树塞进 Parquet。
