我有3个XML文件需要相互比较。我需要通过这些应用程序标签中的部件ID找到每个文件中的重复项。然后，对于最大的文件（即数据最多），我需要将这些重复项合并到该大文件中，并将其他2个文件中的唯一数据附加到该XML文件中。
我对ElementTree模块有些熟悉，但是我很难理解如何让自己更容易地在所有3个文件中找到重复的数据并完成剩余的操作。
有没有人知道如何完成这一步，或者至少是第一步？我知道如何解析xml文件，并使用for循环遍历根中的所有元素，但我不确定如何获取重复的部件ID和唯一数据，以将其全部放入最大的文件中。

我的尝试：

• 我想也许我可以用read_xml（）函数把这些文件转换成panda Dataframe ，但是当我使用to_xml（）函数时，它不能很好地保留标签/元素中的数据。我放弃了这个想法，因为我认为这不是正确的方法。
• 我试着在ElementTree中搜索函数，看看是否有办法找到重复项，但我没有找到任何本地方法来完成此操作
• 为了找到最大的文件，我发现操作系统模块具有

getsize（），我想我可以使用它作为合并到最大文件的标准
我尝试使用Pandas下面的代码：

import xml.etree.ElementTree as ET
import pandas as pd
import os

input_folder = r"C:\Users\me\OneDrive\Documents\Data Conversion\ACES & PIES conversion\Sample Files"

def merge_files(input_folder):
    xml_list = []
    for file in os.listdir(input_folder):
        df = pd.read_xml(f"{input_folder}/{file}")
        xml_list.append(df)
    
    pd.set_option('display.max_columns', None)
    xml_merged = pd.concat(xml_list, ignore_index=True)
    df2 = pd.DataFrame(xml_merged)
    print(df2.info())

merge_files(input_folder)

当我显示www.example.com（）时，得到了以下结果df2.info：

Output exceeds the size limit. Open the full output data in a text editor
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 274460 entries, 0 to 274459
Data columns (total 48 columns):
 #   Column                   Non-Null Count   Dtype  
---  ------                   --------------   -----  
 0   Company                  3 non-null       object 
 1   SenderName               3 non-null       object 
 2   SenderPhone              3 non-null       object 
 3   TransferDate             3 non-null       object 
 4   BrandAAIAID              3 non-null       object 
 5   DocumentTitle            3 non-null       object 
 6   DocFormNumber            3 non-null       float64
 7   EffectiveDate            3 non-null       object 
 8   SubmissionType           3 non-null       object 
 9   MapperCompany            3 non-null       object 
 10  MapperContact            3 non-null       object 
 11  MapperPhone              3 non-null       object 
 12  MapperEmail              3 non-null       object 
 13  VcdbVersionDate          3 non-null       object 
 14  QdbVersionDate           3 non-null       object 
 15  PcdbVersionDate          3 non-null       object 
 16  action                   274454 non-null  object 
 17  id                       274454 non-null  float64
 18  BaseVehicle              0 non-null       float64
 19  EngineBase               0 non-null       float64
...
 47  FuelSystemDesign         0 non-null       float64
dtypes: float64(30), object(18)
memory usage: 100.5+ MB
None

下面是其中一个XML文件的内容示例。在整个文件中有许多重复的应用程序标记。

<?xml version="1.0" encoding="utf-8"?>
<ACES version="4.2">
     <Header>
          <Company>x</Company>
          <SenderName>y</SenderName>
          <SenderPhone>z</SenderPhone>
          <TransferDate>a</TransferDate>
          <BrandAAIAID>b</BrandAAIAID>
          <DocumentTitle>c</DocumentTitle>
          <DocFormNumber>2.0</DocFormNumber>
          <EffectiveDate>2023-02-22</EffectiveDate>
          <SubmissionType>FULL</SubmissionType>
          <MapperCompany>d</MapperCompany>
          <MapperContact>e</MapperContact>
          <MapperPhone>f</MapperPhone>
          <MapperEmail>g</MapperEmail>
          <VcdbVersionDate>2023-01-26</VcdbVersionDate>
          <QdbVersionDate>2023-01-26</QdbVersionDate>
          <PcdbVersionDate>2023-01-26</PcdbVersionDate>
     </Header>
     <App action="A" id="1">
          <BaseVehicle id="5911"/>
          <BodyType id="5"/>
          <EngineBase id="560"/>
          <Note>WITHOUT AUTO LEVELING SYSTEM</Note>
          <Qty>1</Qty>
          <PartType id="7600"/> 
          <Position id="104"/>
          <Part>701940</Part>
      </App>