如何遍历XML树而不必担心Python中的名称空间前缀？

Question

例如，要读取RSS提要，这不起作用，因为在“item”之前插入了愚蠢的{http://purl.org…}名称空间：

#!/usr/bin/env python3
import xml.etree.ElementTree as ET
import urllib, urllib.request

url = "http://some/rss/feed"
response = urllib.request.urlopen(url)
xml_text = response.read().decode('utf-8')
xml_root = ET.fromstring(xml_text)
for e in xml_root.findall('item'):
  print("I found an item!")

既然findall（）由于{}前缀而变得无用，下面是另一个解决方案，但这很难看：

#!/usr/bin/env python3
import xml.etree.ElementTree as ET
import urllib, urllib.request

url = "http://some/rss/feed"
response = urllib.request.urlopen(url)
xml_text = response.read().decode('utf-8')
xml_root = ET.fromstring(xml_text)
for e in xml_root:
  if e.tag.endswith('}item'):
    print("I found an item!")

我能让ElementTree把所有的前缀都扔掉吗？你知道吗

Answer 1

您需要处理名称空间，如下所述：

• Parsing XML with namespace in Python via 'ElementTree'

但是，如果相反，您将使用一个专门的库来阅读RSS提要，比如^{}：

>>> import feedparser
>>> url = "http://some/rss/feed"
>>> feed = feedparser.parse(url)

---

虽然我个人会用^{} Scrapy spider。作为奖励，您将获得所有其他Scrapy web-scraping framework features。你知道吗