lxml etree xmlparser удаляет нежелательное пространство имен - PullRequest
Новая
       40

lxml etree xmlparser удаляет нежелательное пространство имен

51 голосов
/ 23 ноября 2010

У меня есть документ XML, который я пытаюсь проанализировать с помощью Etree.lxml 

<Envelope xmlns="http://www.example.com/zzz/yyy">
  <Header>
    <Version>1</Version>
  </Header>
  <Body>
    some stuff
  <Body>
<Envelope>

Мой код: 

path = "path to xml file"
from lxml import etree as ET
parser = ET.XMLParser(ns_clean=True)
dom = ET.parse(path, parser)
dom.getroot()

Когда я пытаюсь получить dom.getroot (), я получаю: 

<Element {http://www.example.com/zzz/yyy}Envelope at 28adacac>

Однако я хочу только: 

<Element Envelope at 28adacac>

Когда я делаю 

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

Я ничего не получил. Однако когда я 

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

Я получаю результат.

Я думал, что передача ns_clean = True парсеру предотвратит это.

Есть идеи?

Ответы [ 4 ]

52 голосов
/ 23 ноября 2010 
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))

Вы можете найти узлы с поддержкой пространства имен, используя метод 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>]

Если вы действительно хотите удалить пространства имен, вы можете использовать XSL-преобразование: 

# 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)

Здесь мы видим, что пространство имен было удалено: 

print(ET.tostring(dom))
# <Envelope>
#   <Header>
#     <Version>1</Version>
#   </Header>
#   <Body>
#     some stuff
#   </Body>
# </Envelope>

Теперь вы можете найти узел Body следующим образом: 

print(dom.find("Body"))
# <Element Body at 8506cd4>
28 голосов
/ 23 ноября 2010

Попробуйте использовать Xpath: 

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

Взято (и упрощено) с этой страницы , в разделе "Метод xpath ()"

1 голос
/ 01 июля 2011

Последнее решение из https://bitbucket.org/olauzanne/pyquery/issue/17 может помочь вам без особых усилий избежать пространств имен

применить xml.replace(' xmlns:', ' xmlnamespace:') к вашему xml перед использованием pyquery, чтобы lxml игнорировал пространства имен

В вашем случае попробуйте xml.replace(' xmlns="', ' xmlnamespace="').Однако вам может понадобиться что-то более сложное, если строка ожидается и в телах.

0 голосов
/ 23 ноября 2010

Вы показываете результат вызова repr ().Когда вы программно перемещаетесь по дереву, вы можете просто игнорировать пространство имен.

...