pandas 官方从未实现 read_xml 函数，因其xml结构复杂、缺乏天然二维映射；推荐用 xml.etree.elementtree 解析后转为字典列表，再创建 dataframe。
Pandas 没有 read_xml 函数，直接调用会报 AttributeError: module 'pandas' has no attribute 'read_xml'
为什么你搜不到 read_xml？
Pandas 官方从未实现过 read_xml —— 这个函数根本不存在。网上所谓“教程”要么是混淆了旧版第三方库（如 xmltodict + pandas.DataFrame 手动转换），要么是误把 read_html 或 read_json 的写法套用过来。
XML 结构灵活、嵌套深、属性与文本混杂，不像 CSV 或 JSON 那样有天然的二维映射关系，Pandas 团队明确表示暂不支持原生 XML 解析。
替代方案：用 xml.etree.ElementTree + pandas.DataFrame 构建数据
这是目前最轻量、兼容性最好、可控性最强的做法。别绕开标准库去装新包，除非你真需要处理带命名空间或 XSLT 的复杂 XML。
立即学习“Python免费学习笔记（深入）”；
本文档主要讲述的是使用JSON进行网络数据交换传输；JSON（JavaScript ObjectNotation）是一种轻量级的数据交换格式，易于阅读和编写，同时也易于机器解析和生成，非常适合于服务器与客户端的交互。JSON采用与编程语言无关的文本格式，但是也使用了类C语言的习惯，这些特性使JSON成为理想的数据交换格式。 和 XML 一样，JSON 也是基于纯文本的数据格式。由于 JSON 天生是为 JavaScript 准备的，因此，JSON的数据格式非常简单，您可以用 JSON 传输一个简单的 St
- 先用
xml.etree.ElementTree.parse()或ET.fromstring()加载 XML - 手动提取目标节点（比如所有
<record></record>），逐个转成字典 - 用这些字典列表初始化
pandas.DataFrame
示例（假设 XML 是扁平记录集）：
import xml.etree.ElementTree as ET
import pandas as pd
<p>tree = ET.parse("data.xml")
root = tree.getroot()</p><p>records = []
for item in root.findall("item"): # 替换为你的实际节点名
records.append({
"name": item.find("name").text if item.find("name") is not None else None,
"price": float(item.find("price").text) if item.find("price") is not None else None,
"in_stock": item.get("available") == "true" # 读取属性
})</p><p>df = pd.DataFrame(records)哪些情况会踩坑？
XML 解析不是“读一行 CSV”那么简单，几个高频翻车点：
- 节点名大小写敏感：
item和Item是不同节点，find()不会自动忽略 - 空节点或缺失字段导致
None.text报AttributeError，必须加if ... is not None判断 - 文本中含换行/缩进空白，
.text.strip()得自己补上 - 属性值是字符串，数字或布尔需手动转换，Pandas 不会自动推断
- 嵌套多层（比如
<order><items><item>...</item></items></order>）时，别试图一层findall搞定，得先定位父节点再循环子节点
要不要用第三方库？
像 lxml 或 xmltodict 确实能简化部分操作，但代价明显：
-
lxml编译依赖多，Windows 上pip install lxml经常失败；它支持 XPath，但多数简单 XML 用不上 -
xmltodict把整个 XML 变成嵌套字典，内存占用大，且遇到重复标签名（如多个<tag>val</tag>）会自动转成列表，结构不可控 - 一旦用了这些库，你就得长期维护额外依赖，而标准库
ElementTree已内置、稳定、够用
真正卡住的往往不是解析能力，而是对 XML 数据结构的理解偏差——先用 print(ET.tostring(root, encoding='unicode')) 看清真实结构，比急着找“一键导入”靠谱得多。
