pandas读取xml文件

原创答案来自stackflow

import pandas as pd
from xml.sax import ContentHandler, parse

# Reference https://goo.gl/KaOBG3
class 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">\xe5\x9f\x8e\xe5\xb8\x82

结尾

</Table>

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',
 '   \n',
 '    

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