为啥xml包在Python3中修改我的xml文件？

Posted 2023-03-16

【中文标题】为啥xml包在Python3中修改我的xml文件？

【英文标题】：Why does xml package modify my xml file in Python3?为什么xml包在Python3中修改我的xml文件？

【发布时间】：2018-02-09 23:01:29

【问题描述】：

我使用 Python3.5 中的 xml 库来读取和写入一个 xml 文件。我不修改文件。只需打开并写入。但是库会修改文件。

为什么要修改？ 如何防止这种情况发生？例如我只是想在一个相当复杂的 xml 文件中替换特定标签或它的值，而不会丢失任何其他信息。

这是示例文件

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<movie>
    <title>Der Eisbär</title>
    <ids>
        <entry>
            <key>tmdb</key>
            <value xsi:type="xs:int" xmlns:xs="http://www.w3.org/2001/XMLSchema" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">9321</value>
        </entry>
        <entry>
            <key>imdb</key>
            <value xsi:type="xs:string" xmlns:xs="http://www.w3.org/2001/XMLSchema" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">tt0167132</value>
        </entry>
    </ids>
</movie>

这是代码

import xml.etree.ElementTree as ET
tree = ET.parse('x.nfo')
tree.write('y.nfo', encoding='utf-8')

xml文件变成了这个

<movie xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
    <title>Der Eisbär</title>
    <ids>
        <entry>
            <key>tmdb</key>
            <value xsi:type="xs:int">9321</value>
        </entry>
        <entry>
            <key>imdb</key>
            <value xsi:type="xs:string">tt0167132</value>
        </entry>
    </ids>
</movie>

第 1 行不见了。 第 2 行中的 <movie>-tag 现在具有属性。 第 7 行和第 11 行中的 <value>-tag 现在具有更少的属性。

【问题讨论】：

一般来说，不能期望 XML 命名空间的短名称（以及指定它们的位置）是稳定的。但是你为什么不使用lxml呢？

lxml 在默认情况下设法保留命名空间，尽管您仍然需要传递一个标志才能将 XML 声明置于顶部。

@o11c 你的意思是一个python包lxml？我没注意到。我只是在 python 文档中使用xml 作为搜索词，然后找到了ElementTree。

@o11c lxml 也无济于事。它也会对代码进行一些转换。

好吧，nobody 试图保留属性顺序。所以lxml 所做的就是对它们进行排序。因此，即使它们在第一次写入时发生更改，它们在所有后续写入中都会保持一致。

【参考方案1】：

请注意，“xml 包”和“xml 库”是不明确的。标准库中有几个与 XML 相关的模块：https://docs.python.org/3/library/xml.html。

为什么要修改？

ElementTree 将命名空间声明移动到根元素，并删除文档中实际未使用的命名空间。

为什么 ElementTree 会这样做？我不知道，但也许这是一种使实现更简单的方法。

如何防止这种情况发生？例如我只是想在一个相当复杂的 xml 文件中替换特定标签或它的值，而不会丢失任何其他信息。

我认为没有办法防止这种情况发生。这个问题之前已经提过了。以下是两个非常相似但没有答案的问题：

How do I parse and write XML using Python's ElementTree without moving namespaces around? Keep Existing Namespaces when overwriting XML file with ElementTree and Python

我的建议是使用 lxml 而不是 ElementTree。使用 lxml，命名空间声明将保留在它们在原始文件中出现的位置。

第 1 行不见了。

那一行是 XML 声明。建议但不是必须拥有一个。

如果您总是需要 XML 声明，请在 write() 方法调用中使用 xml_declaration=True。