首页 / 问题 / 正文

lxml etree xmlparser 移除不需要的命名空间

56 投票
5 回答
33035 浏览
提问于 2025-04-16 07:29

我有一个XML文档，我想用Etree.lxml来解析它。

<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()

当我尝试使用dom.getroot()时，我得到了：

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

不过我只想要：

<Element Envelope at 28adacac>

当我这样做时：

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

我没有得到任何返回。不过，当我这样做时：

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

我得到了一个结果。

我原以为把ns_clean=True传给解析器就能解决这个问题。

有什么想法吗？

XML lxml 解析器 命名空间 etree xmlparser

5 个回答

5

最后一个解决方案来自于 这个链接，可以帮助你轻松避免命名空间的问题。

在使用pyquery之前，先对你的xml应用 xml.replace(' xmlns:', ' xmlnamespace:') 这个操作，这样lxml就会忽略命名空间。

在你的情况下，可以尝试 xml.replace(' xmlns="', ' xmlnamespace="')。不过，如果字符串也出现在内容中，你可能需要更复杂的处理。

回答于 2025-04-16 由 Python大师
分享 举报
34

试试用Xpath：

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

这个内容是从这个页面上摘取并简化的，具体在“xpath()方法”这一部分。

回答于 2025-04-16 由 Python大师
分享 举报
60
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))

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>]

# 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)

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

print(dom.find("Body"))
# <Element Body at 8506cd4>

你可以通过 xpath 方法找到带有命名空间的节点：

如果你真的想去掉命名空间，可以使用 XSL 转换：

在这里我们看到命名空间已经被去掉了：

所以你现在可以这样找到 Body 节点：

回答于 2025-04-16 由 Python大师
分享 举报

撰写回答