使用lxml保留子元素命名空间序列化

Question

我有几个不同的XML文档，想用lxml把它们合并成一个。问题是，我需要合并后的结果能保留每个子文档根节点的命名空间。lxml似乎会把使用超过一次的命名空间声明推到新文档的根部，这在我的应用中会出问题（这是一个已知的bug）。

举个例子，我有文档A：

<dc xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/">
   <title>La difesa della razza: scienza, documentazione, polemica. anno 1:n. 1</title>
</dc>

还有文档B：

<mods xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<titleInfo>
    <nonSort>La</nonSort>
        <title>difesa della razza</title>
        <subTitle>scienza, documentazione, polemica</subTitle>
        <partNumber>anno 1:n. 1</partNumber>
</titleInfo>
</mods>

我想把它们放在一个元素里，并且这个元素也要使用一个xsi:schemaLocation，但我需要命名空间声明（xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"）出现在所有三个节点中，像这样：

<wrap xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.example.org" xmlns:dc="http://www.foo.org" xmlns:mods="http://www.bar.org">

    <dc:dc xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/">
       <dc:title>La difesa della razza: scienza, documentazione, polemica. anno 1:n. 1</dc:title>
    </dc:dc>

    <mods:mods xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
    <mods:titleInfo>
        <mods:nonSort>La</mods:nonSort>
            <mods:title>difesa della razza</mods:title>
            <mods:subTitle>scienza, documentazione, polemica</mods:subTitle>
            <mods:partNumber>anno 1:n. 1</mods:partNumber>
    </mods:titleInfo>
    </mods:mods>
</wrap>

但是，当我用Python/lxml把这两个文档合并时，

wrap.append(dc)
wrap.append(mods)

我发现声明被推到了使用它的最高级节点上。不幸的是，这对我的应用来说是个问题。像这样：

<wrap xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.example.org" xmlns:dc="http://www.foo.org" xmlns:mods="http://www.bar.org">

    <dc:dc xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/">
       <dc:title>La difesa della razza: scienza, documentazione, polemica. anno 1:n. 1</dc:title>
    </dc:dc>

    <mods:mods xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
    <mods:titleInfo>
        <mods:nonSort>La</mods:nonSort>
            <mods:title>difesa della razza</mods:title>
            <mods:subTitle>scienza, documentazione, polemica</mods:subTitle>
            <mods:partNumber>anno 1:n. 1</mods:partNumber>
    </mods:titleInfo>
    </mods:mods>
</wrap>

有没有什么办法可以强制实现我想要的效果？

谢谢

Answer 1

你可以先尝试插入 XInclude 元素，然后再用 .xinclude() 方法来处理它们（具体可以参考 文档）。这样做似乎能保留命名空间的声明（lxml 在解析器生成的情况下会保留这些声明，但如果你自己创建元素，或者把元素从一个文档移动到另一个文档时，它就不会保留了）。

需要注意的是，在你的情况下，你仍然需要更改元素的标签名：这些元素会按照原始文档中的样子被包含进来，没有任何命名空间，而你似乎在输出中把它们改成了带命名空间的元素名。

你可能需要使用一个 自定义解析器，这和文档中提到的 .xinclude() 不支持这个的说法相反（它确实使用了解析器来解析包含文档，但不支持将特定的解析器或解析器传递给 XInclude 处理）。

另外一个选择可能是基于 xslt 的解决方案。