通过'ElementTree'在Python中使用命名空间解析XML

6 回答

• 178

  ElementTree对名称空间并不太聪明 . 您需要为 .find() ， findall() 和 iterfind() 方法提供显式命名空间字典 . 这没有很好地记录：

  namespaces = {'owl': 'http://www.w3.org/2002/07/owl#'} # add more as needed
  
  root.findall('owl:Class', namespaces)
  

  只在您传入的 namespaces 参数中查找前缀 . 这意味着您可以使用任何您喜欢的命名空间前缀; API拆分 owl: 部分，在 namespaces 字典中查找相应的命名空间URL，然后更改搜索以查找XPath表达式 {http://www.w3.org/2002/07/owl}Class . 当然，您也可以使用相同的语法：

  root.findall('{http://www.w3.org/2002/07/owl#}Class')
  

  如果你可以切换到lxml library东西更好;该库支持相同的ElementTree API，但在元素的 .nsmap 属性中为您收集名称空间 .

  回复于 2024-04-29T07:53:16+08:00
• 0

  以下是如何使用lxml执行此操作，而无需对命名空间进行硬编码或扫描文本（如Martijn Pieters所提到的）：

  from lxml import etree
  tree = etree.parse("filename")
  root = tree.getroot()
  root.findall('owl:Class', root.nsmap)
  

  回复于 2024-04-29T07:53:16+08:00
• 5

  Note ：这是一个对Python的ElementTree标准库有用的答案，不使用硬编码命名空间 .

  要从XML数据中提取名称空间的前缀和URI，您可以使用 ElementTree.iterparse 函数，仅解析名称空间启动事件（start-ns）：

  >>> from io import StringIO
  >>> from xml.etree import ElementTree
  >>> my_schema = u'''<rdf:RDF xml:base="http://dbpedia.org/ontology/"
  ...     xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
  ...     xmlns:owl="http://www.w3.org/2002/07/owl#"
  ...     xmlns:xsd="http://www.w3.org/2001/XMLSchema#"
  ...     xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"
  ...     xmlns="http://dbpedia.org/ontology/">
  ... 
  ...     <owl:Class rdf:about="http://dbpedia.org/ontology/BasketballLeague">
  ...         <rdfs:label xml:lang="en">basketball league</rdfs:label>
  ...         <rdfs:comment xml:lang="en">
  ...           a group of sports teams that compete against each other
  ...           in Basketball
  ...         </rdfs:comment>
  ...     </owl:Class>
  ... 
  ... </rdf:RDF>'''
  >>> my_namespaces = dict([
  ...     node for _, node in ElementTree.iterparse(
  ...         StringIO(my_schema), events=['start-ns']
  ...     )
  ... ])
  >>> from pprint import pprint
  >>> pprint(my_namespaces)
  {'': 'http://dbpedia.org/ontology/',
   'owl': 'http://www.w3.org/2002/07/owl#',
   'rdf': 'http://www.w3.org/1999/02/22-rdf-syntax-ns#',
   'rdfs': 'http://www.w3.org/2000/01/rdf-schema#',
   'xsd': 'http://www.w3.org/2001/XMLSchema#'}
  

  然后字典可以作为参数传递给搜索函数：

  root.findall('owl:Class', my_namespaces)
  

  回复于 2024-04-29T07:53:16+08:00
• 17

  我一直在使用类似的代码，并发现它总是值得阅读文档...像往常一样！

  findall（）只会找到 direct children of the current tag 的元素 . 所以，不是全部 .

  尝试使用以下代码来处理代码时可能是值得的，特别是如果您正在处理大而复杂的xml文件，以便还包括该子子元素（等） . 如果你知道自己的xml元素在哪里，那么我想它会没事的！只是觉得这值得记住 .

  root.iter()
  

  ref：https://docs.python.org/3/library/xml.etree.elementtree.html#finding-interesting-elements "Element.findall() finds only elements with a tag which are direct children of the current element. Element.find() finds the first child with a particular tag, and Element.text accesses the element’s text content. Element.get() accesses the element’s attributes:"

  回复于 2024-04-29T07:53:16+08:00
• 46

  我知道我迟了几年，但我刚刚创建了一个包，用于处理将字典转换为带有命名空间的有效XML . 该软件包托管在PyPi @ https://pypi.python.org/pypi/xmler上 .

  使用此包，您可以使用如下所示的字典：

  myDict = {
      "RootTag": {                        # The root tag. Will not necessarily be root. (see #customRoot)
          "@ns": "soapenv",           # The namespace for the RootTag. The RootTag will appear as <soapenv:RootTag ...>
          "@attrs": {                     # @attrs takes a dictionary. each key-value pair will become an attribute
              { "xmlns:soapenv": "http://schemas.xmlsoap.org/soap/envelope/" }
          },
          "childTag": {
              "@attrs": {
                  "someAttribute": "colors are nice"
              },
              "grandchild": "This is a text tag"
          }
      }
  }
  

  并获得如下所示的XML输出：

  <soapenv:RootTag xmlns:soapenv="http://schemas.xmlsoap.org/soap/envelope/">
      <childTag someAttribute="colors are nice">
          <grandchild>This is a text tag</grandchild>
      </childTag>
  </soapenv:RootTag>
  

  希望这对未来的人们有用

  回复于 2024-04-29T07:53:16+08:00
• 1

  以命名空间格式获取命名空间，例如 {myNameSpace} ，您可以执行以下操作：

  root = tree.getroot()
  ns = re.match(r'{.*}', root.tag).group(0)
  

  这样，您可以稍后在代码中使用它来查找节点，例如使用字符串插值（Python 3） .

  link = root.find(f'{ns}link')
  

  回复于 2024-04-29T07:53:16+08:00