55

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/yyy}Envelope at 28adacac>

但是我只想要：

<Element Envelope at 28adacac>

当我做

dom.getroot().find("Body")

我什么也没得到。然而，当我

dom.getroot().find("{http://www.example.com/zzz/yyy}Body")

我得到一个结果。

我认为将 ns_clean=True 传递给解析器会阻止这种情况。

有任何想法吗？

4

5 回答 5

57 
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))

您可以使用以下方法查找命名空间感知节点xpath：

body=dom.xpath('//ns:Body',namespaces={'ns':'http://www.example.com/zzz/yyy'})
print(body)
# [<Element {http://www.example.com/zzz/yyy}Body 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)

在这里，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>
于 2010-11-23T12:41:23.957 回答
33

尝试使用 Xpath：

dom.xpath("//*[local-name() = 'Body']")

取自（并简化）此页面，在“xpath() 方法”部分下

于 2010-11-23T12:29:39.657 回答
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

xml.replace(' xmlns:', ' xmlnamespace:')在使用 pyquery 之前应用到您的 xml，因此 lxml 将忽略命名空间

在您的情况下，请尝试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。

于 2011-07-01T09:40:52.997 回答
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'))
于 2022-01-24T11:43:39.947 回答
-4

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。

于 2010-11-23T11:00:45.083 回答