如何在Python中以无命名空间的方式通过XPath查找XML元素?

Question

因为我第二次遇到这个烦人的问题，所以我觉得问一下会有帮助。

有时候我需要从XML文档中获取元素，但这样做的方法总是很麻烦。

我想知道有没有一个Python库可以满足我的需求，能够优雅地构造我的XPath，自动注册命名空间前缀，或者在内置的XML实现或lxml中有个隐藏的选项可以完全去掉命名空间。如果你已经知道我想要什么，那我就不多解释了 :)

示例文档：

<root xmlns="http://really-long-namespace.uri"
  xmlns:other="http://with-ambivalent.end/#">
    <other:elem/>
</root>

我能做什么

ElementTree API是我知道的唯一一个内置的支持XPath查询的工具。但它要求我使用“UNames”。看起来像这样：/{http://really-long-namespace.uri}root/{http://with-ambivalent.end/#}elem

如你所见，这些名字非常冗长。我可以通过以下方式缩短它们：

default_ns = "http://really-long-namespace.uri"
other_ns   = "http://with-ambivalent.end/#"
doc.find("/{{{0}}}root/{{{1}}}elem".format(default_ns, other_ns))

但这样做既{{{难看}}}又不稳定，因为http…end/# ≃ http…end# ≃ http…end/ ≃ http…end，我怎么知道会用哪个变体呢？

另外，lxml支持命名空间前缀，但它既不使用文档中的前缀，也没有提供处理默认命名空间的自动方法。我仍然需要从每个命名空间中获取一个元素才能从文档中提取它。命名空间属性不会被保留，所以也无法自动从中获取。

还有一种与命名空间无关的XPath查询方式，但它既冗长又难看，并且在内置实现中不可用：/*[local-name() = 'root']/*[local-name() = 'elem']

我想做什么

我想找到一个库、选项或通用的XPath变换函数，以便通过输入以下内容来实现上面的例子……

1. 没有命名空间：/root/elem
2. 文档中的命名空间前缀：/root/other:elem

……再加上可能的一些声明，表明我确实想使用文档的前缀或去掉命名空间。

进一步说明：虽然我现在的用例很简单，但将来我会需要使用更复杂的情况。

谢谢你的阅读！

---

解决方案

用户samplebias让我注意到py-dom-xpath；正是我在寻找的东西。我的实际代码现在看起来是这样的：

#parse the document into a DOM tree
rdf_tree = xml.dom.minidom.parse("install.rdf")
#read the default namespace and prefix from the root node
context = xpath.XPathContext(rdf_tree)

name    = context.findvalue("//em:id", rdf_tree)
version = context.findvalue("//em:version", rdf_tree)

#<Description/> inherits the default RDF namespace
resource_nodes = context.find("//Description/following-sibling::*", rdf_tree)

与文档一致，简单，支持命名空间；完美。

Answer 1

首先，关于“你想做什么”：

1. 没有命名空间的情况：/root/elem -> 这里应该没什么问题。
2. 来自文档的命名空间前缀：/root/other:elem -> 这就有点麻烦了，你不能仅仅使用“来自文档的命名空间前缀”。即使在同一个文档中：
   • 带命名空间的元素不一定都有前缀。
   • 相同的前缀不一定总是对应同一个命名空间的URI。
   • 相同的命名空间URI不一定总是有相同的前缀。

顺便说一下：如果你想获取某个元素的前缀映射，可以在lxml中尝试使用elem.nsmap。另外，lxml.etree中的iterparse和iterwalk方法可以用来“通知”你命名空间的声明。

Answer 2

*[local-name() = "elem"] 这种写法应该是可以用的，不过为了让事情简单一些，你可以创建一个函数来帮助你更方便地写出部分或完整的“通配符命名空间”XPath表达式。

我在Ubuntu 10.04上使用python-lxml 2.2.4，下面的脚本对我来说是有效的。你需要根据自己的需求来调整每个元素的默认命名空间的设置，同时处理你想要合并到表达式中的其他XPath语法：

import lxml.etree

def xpath_ns(tree, expr):
    "Parse a simple expression and prepend namespace wildcards where unspecified."
    qual = lambda n: n if not n or ':' in n else '*[local-name() = "%s"]' % n
    expr = '/'.join(qual(n) for n in expr.split('/'))
    nsmap = dict((k, v) for k, v in tree.nsmap.items() if k)
    return tree.xpath(expr, namespaces=nsmap)

doc = '''<root xmlns="http://really-long-namespace.uri"
    xmlns:other="http://with-ambivalent.end/#">
    <other:elem/>
</root>'''

tree = lxml.etree.fromstring(doc)
print xpath_ns(tree, '/root')
print xpath_ns(tree, '/root/elem')
print xpath_ns(tree, '/root/other:elem')

输出结果：

[<Element {http://really-long-namespace.uri}root at 23099f0>]
[<Element {http://with-ambivalent.end/#}elem at 2309a48>]
[<Element {http://with-ambivalent.end/#}elem at 2309a48>]

更新：如果你发现确实需要解析XPath，可以看看像py-dom-xpath这样的项目，它是一个纯Python实现的（大部分）XPath 1.0。至少这会让你对解析XPath的复杂性有一些了解。