使用lxml根据xsd类型查找元素

Question

我正在尝试使用 lxml 2.x 获取具有特定 xsd 类型的元素列表，但我不知道怎么在 xsd 中查找特定类型。

这是一个模式的例子：

<xsd:element name="ServerOwner" type="srvrs:string90" minOccurs="0">
<xsd:element name="HostName" type="srvrs:string35" minOccurs="0">

这是一个 xml 数据的例子：

<srvrs:ServerOwner>John Doe</srvrs:ServerOwner>
<srvrs:HostName>box01.example.com</srvrs:HostName>

理想的函数应该像这样：

    elements = getElems(xml_doc, 'string90')

    def getElems(xml_doc, xsd_type):
      ** xpath or something to find the elements and build a dict
      return elements

Answer 1

其实，lxml对XML Schema的支持主要就是告诉你某个文档是否符合某个模式，具体可以在这里查看。如果你想做更复杂的事情，就得自己动手了。

我觉得这个过程应该比较简单，可以分为两个步骤。首先，找出模式中所有符合你关心的类型的xsd:element元素，然后看看它们的名字：

def getElems(schemaDoc, xmlDoc, typeName):
    names = schemaDoc.xpath("//xsd:element[@type = $n]/@name",
                            namespaces={"xsd": 
                                        "http://www.w3.org/2001/XMLSchema"},
                            n=typeName)

接着，从文档中获取所有这些名字对应的元素。

    elements = []
    for name in names: 
        namedElements = xmlDoc.xpath("//*[local-name() = $name]", name=name)
        elements.extend(namedElements)

现在，你就有了一份包含与模式中类型匹配的名字的元素列表。

    return elements

需要注意的是，查找文档的xpath表达式必须查看每一个元素，所以如果你能把范围缩小到你关心的文档部分，这样会更快。