XML映射到CSV时如何处理嵌套结构

CSV无法直接表达XML嵌套结构，因其是二维表格格式，缺乏父子、兄弟或重复节点概念；主流做法是用XPath定位上下文并展开重复节点为独立记录，同时区分属性与文本字段。

XML嵌套结构在CSV中天然无法直接表达

CSV 是二维表格格式，没有父子、兄弟或重复节点的概念。XML 中的 AB 这类重复子元素，强行扁平化会导致行数膨胀或字段语义丢失——这不是工具不行，是模型不匹配。

用 XPath 提取路径 + 展开重复节点是主流做法

核心思路：把每个 视为一条独立记录，用 XPath 定位其上下文（如所属 ），再拼接字段。Python 的 xml.etree.ElementTree 或 lxml 都支持 .findall() 和 .get()。

import xml.etree.ElementTree as ET
import csv

tree = ET.parse("orders.xml")
root = tree.getroot()

with open("output.csv", "w", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=["order_id", "item_name", "item_price"])
    writer.writeheader()
    
    for order in root.findall("order"):
        order_id = order.get("id")
        for item in order.findall("item"):
            row = {
                "order_id": order_id,
                "item_name": item.findtext("name") or "",
                "item_price": item.findtext("price") or ""
            }
            writer.writerow(row)

• 避免用 root.iter("item") 直接遍历——会丢失所属 order 上下文
• findtext() 比 find().text 更安全，空节点返回 None 而非报错
• 若存在多层嵌套（如 red），需决定是否展开为 item_specs_color 字段，还是跳过

遇到属性+文本混合时字段命名要加后缀

XML 元素既含属性又含文本（如 29.99）时，CSV 字段必须区分来源，否则语义混淆。常见做法是加 _attr 和 _text 后缀。

ChatGPT Website Builder

ChatGPT网站生成器，AI对话快速生成网站

下载

• 生成字段名：price_currency_attr 和 price_text
• 不要合并成一个 price 字段——你无法判断 29.99 是值还是 currency 值
• 如果业务上只关心文本值，就忽略属性；但得明确这个决策，不能靠“默认行为”掩盖

深层嵌套（3 层以上）建议先转 JSON 再导出

当 XML 出现

• pip install xmltodict 后，xmltodict.parse(xml_str) 返回标准 Python dict
• 展平时注意：重复标签（如多个 item）会被转成 list，需用 for item in data['order']['item']: 显式迭代
• 不要试图写通用“XML→CSV”函数——不同业务的嵌套语义差异太大，字段裁剪和层级截断点必须人工确认