Python怎么将CSV数据转换为XML格式

Python将CSV转XML可用csv模块和xml.etree.ElementTree实现：用DictReader读取为字典，ElementTree构建节点并自动转义特殊字符，空值处理为留空标签或"N/A"，pandas适用于复杂映射与美化输出。

Python将CSV数据转换为XML格式，核心是读取CSV内容、按行构造XML结构、写入文件。关键在于合理设计XML标签名、处理特殊字符（如&等）、保持数据完整性。

用csv模块读取 + xml.etree.ElementTree生成XML

这是最轻量、无需额外安装包的方式，适合结构清晰的CSV文件。

• 用csv.DictReader逐行读取，每行自动转为字典，键为列名，值为对应字段
• 用xml.etree.ElementTree创建根节点（如），再为每行添加子节点（如），内部嵌套字段节点（如Alice）
• 注意：ElementTree会自动转义、>、&等字符，无需手动处理
• 最后调用tree.write("output.xml", encoding="utf-8", xml_declaration=True)保存

处理含空值、引号或换行符的CSV

真实CSV常有缺失值、多行文本或带双引号的字段，需稍作预处理。

• DictReader默认能正确解析被双引号包裹的含逗号/换行字段，无需额外操作
• 空值（如空字符串或None）可统一转为"N/A"或留空标签（），避免生成这种冗余结构
• 若某字段含非法XML字符（如控制字符），可用正则清理：re.sub(r'[\x00-\x08\x0b\x0c\x0e-\x1f]', '', text)

用pandas + 自定义XML生成函数（适合复杂映射）

当需要重命名字段、合并列、添加固定属性或分层结构时，pandas更灵活。

• 先用pd.read_csv("input.csv")加载，可指定dtype=str避免数字被误转
• 遍历DataFrame行：for _, row in df.iterrows():，手动构建每个...，支持动态属性和嵌套逻辑
• 例如：把first_name和last_name拼成John Doe
• 最后用xml.dom.minidom美化输出（非必需，但提升可读性）

基本上就这些。不用第三方库就能搞定，重点是理清CSV列与XML节点的对应关系，再注意编码和特殊字符即可。