lxml etree xmlparser 删除不需要的命名空间
Posted
技术标签:
【中文标题】lxml etree xmlparser 删除不需要的命名空间【英文标题】：lxml etree xmlparser remove unwanted namespace 【发布时间】：2011-05-14 09:45:21 【问题描述】：我有一个我正在尝试使用 Etree.lxml 解析的 xml 文档
<Envelope xmlns="http://www.example.com/zzz/yyy">
<Header>
<Version>1</Version>
</Header>
<Body>
some stuff
<Body>
<Envelope>
我的代码是：
path = "path to xml file"
from lxml import etree as ET
parser = ET.XMLParser(ns_clean=True)
dom = ET.parse(path, parser)
dom.getroot()
当我尝试获取 dom.getroot() 时，我得到：
<Element http://www.example.com/zzz/yyyEnvelope at 28adacac>
但我只想：
<Element Envelope at 28adacac>
当我这样做时
dom.getroot().find("Body")
我没有得到任何回报。然而，当我
dom.getroot().find("http://www.example.com/zzz/yyyBody")
我得到一个结果。
我认为将 ns_clean=True 传递给解析器可以防止这种情况发生。
有什么想法吗？
【问题讨论】：
【参考方案1】：另一个不错的选择是使用 QName 帮助器并将其包装在具有默认命名空间的函数中：
from lxml import etree
DEFAULT_NS = 'http://www.example.com/zzz/yyy'
def tag(name, ns=DEFAULT_NS):
return etree.QName(ns, name)
dom = etree.parse(path)
body = dom.getroot().find(tag('Body'))
【讨论】：
QName(ns, **name**) - 打印错误
@SergeyKolesnik 很好 - 我已经确定了答案。【参考方案2】：
import io
import lxml.etree as ET
content='''\
<Envelope xmlns="http://www.example.com/zzz/yyy">
<Header>
<Version>1</Version>
</Header>
<Body>
some stuff
</Body>
</Envelope>
'''
dom = ET.parse(io.BytesIO(content))
您可以使用xpath 方法查找命名空间感知节点：
body=dom.xpath('//ns:Body',namespaces='ns':'http://www.example.com/zzz/yyy')
print(body)
# [<Element http://www.example.com/zzz/yyyBody at 90b2d4c>]
如果你真的想删除命名空间，你可以使用 XSL 转换：
# http://wiki.tei-c.org/index.php/Remove-Namespaces.xsl
xslt='''<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="xml" indent="no"/>
<xsl:template match="/|comment()|processing-instruction()">
<xsl:copy>
<xsl:apply-templates/>
</xsl:copy>
</xsl:template>
<xsl:template match="*">
<xsl:element name="local-name()">
<xsl:apply-templates select="@*|node()"/>
</xsl:element>
</xsl:template>
<xsl:template match="@*">
<xsl:attribute name="local-name()">
<xsl:value-of select="."/>
</xsl:attribute>
</xsl:template>
</xsl:stylesheet>
'''
xslt_doc=ET.parse(io.BytesIO(xslt))
transform=ET.XSLT(xslt_doc)
dom=transform(dom)
这里我们看到命名空间已被删除：
print(ET.tostring(dom))
# <Envelope>
# <Header>
# <Version>1</Version>
# </Header>
# <Body>
# some stuff
# </Body>
# </Envelope>
所以你现在可以通过这种方式找到 Body 节点：
print(dom.find("Body"))
# <Element Body at 8506cd4>
【讨论】：
XSLT 删除所有命名空间。正是我想要的，天才。 仅供参考，如果使用 Python3，您需要先对 xslt 字符串进行编码。即xslt_doc=ET.parse(io.BytesIO(str.encode(xslt)))【参考方案3】：尝试使用 Xpath：
dom.xpath("//*[local-name() = 'Body']")
取自（并简化）自 this page，在“xpath() 方法”部分下
【讨论】：
【参考方案4】：https://bitbucket.org/olauzanne/pyquery/issue/17 的最后一个解决方案可以帮助您轻松避免命名空间
在使用 pyquery 之前将
xml.replace(' xmlns:', ' xmlnamespace:')应用于您的 xml，这样 lxml 将忽略命名空间
在你的情况下，试试xml.replace(' xmlns="', ' xmlnamespace="')。但是，如果正文中也需要字符串，您可能需要更复杂的内容。
【讨论】：
这太棒了。你改变了我的生活，谢谢。 （ps，谁设计了 XML 命名空间，wtf？） 串串串词总是通往疯狂的道路。在一般情况下，这个答案是完全错误的。假设您正在格式化这个确切问题的 RSS 提要——结果会告诉人们xml.replace(' xmlnamespace="', ' xmlnamespace="')...【参考方案5】：
您正在显示 repr() 调用的结果。当您以编程方式在树中移动时，您可以简单地选择忽略命名空间。
【讨论】：
以上是关于lxml etree xmlparser 删除不需要的命名空间的主要内容，如果未能解决你的问题，请参考以下文章
忽略 xml.etree.ElementTree.XMLParser Python 中不匹配的标签
python 3.6 lxml标准库lxml的安装及etree的使用注意
解决lxml报错 ： lxml.etree.XMLSyntaxError