python - 如何使用 lxml 解析包含前缀但没有命名空间声明的 XML？

Question

我有一堆使用前缀但没有相应命名空间声明的 XML 文件。

像这样的东西：

<tal:block tal:condition="foo">
...
</tal:block>

或者：

<div i18n:domain="my-app">
...

我知道这些前缀来自哪里，我尝试了以下方法，但没有成功：

from lxml import etree as ElementTree

ElementTree.register_namespace("i18n", "http://namespaces.zope.org")
ElementTree.register_namespace("tal", "http://xml.zope.org/namespaces/tal")

with open(path) as fp:
    tree = ElementTree.parse(fp)

但 lxml 仍然窒息：

lxml.etree.XMLSyntaxError: Namespace prefix i18n for domain on div is not defined, line 4, column 20

我知道我可以使用ElementTree.XMLParser(recover=True)，但无论如何我都想保留前缀，而这种方法不会。

任何的想法？

Answer 1

它不是有效的 XML，使用未定义的前缀，因此没有 XML 解析器能够处理它。

您最好的选择（除了修复 XML）是以编程方式修改 XML 源以将名称空间属性添加到根元素（仅使用您的语言中的字符串支持）。xmlns:tal="http://xml.zope.org/namespaces/tal"在将 XML 提供给解析器之前，将等添加到根元素。然后 XML 解析器应该毫无怨言地处理它，并且没有任何注册名称空间。