为什么ElementTree吃/忽略名称空间（在属性值中）？

Question

我正在尝试使用ElementTree读取XML并将结果写回磁盘。我的长期目标是以这种方式美化XML。然而，在我的天真方法中，ElementTree吃掉了文档中的所有名称空间声明，我不明白为什么。这里有一个例子

test.xsd

<?xml version='1.0' encoding='UTF-8'?>
<xs:schema xmlns:xs='http://www.w3.org/2001/XMLSchema'
    xmlns='sdformat/pose' targetNamespace='sdformat/pose'
    xmlns:pose='sdformat/pose'
    xmlns:types='http://sdformat.org/schemas/types.xsd'>

<xs:import namespace='sdformat/pose' schemaLocation='./pose.xsd'/>

<xs:element name='pose' type='poseType' />

<xs:simpleType name='string'><xs:restriction base='xs:string' /></xs:simpleType>
<xs:simpleType name='pose'><xs:restriction base='types:pose' /></xs:simpleType>

<xs:complexType name='poseType'>
    <xs:simpleContent>
      <xs:extension base="pose">
    <xs:attribute name='relative_to' type='string' use='optional' default=''>
    </xs:attribute>

      </xs:extension>
    </xs:simpleContent>
</xs:complexType>


</xs:schema>

test.py

from xml.etree import ElementTree

ElementTree.register_namespace("types", "http://sdformat.org/schemas/types.xsd")
ElementTree.register_namespace("pose", "sdformat/pose")
ElementTree.register_namespace("xs", "http://www.w3.org/2001/XMLSchema")

tree = ElementTree.parse("test.xsd")
tree.write("test_out.xsd")

生成测试输出.xsd

<xs:schema xmlns:xs="http://www.w3.org/2001/XMLSchema" targetNamespace="sdformat/pose">

<xs:import namespace="sdformat/pose" schemaLocation="./pose.xsd" />

<xs:element name="pose" type="poseType" />

<xs:simpleType name="string"><xs:restriction base="xs:string" /></xs:simpleType>
<xs:simpleType name="pose"><xs:restriction base="types:pose" /></xs:simpleType>

<xs:complexType name="poseType">
    <xs:simpleContent>
      <xs:extension base="pose">
    <xs:attribute name="relative_to" type="string" use="optional" default="">
    </xs:attribute>

      </xs:extension>
    </xs:simpleContent>
</xs:complexType>


</xs:schema>

请注意test_out.xsd是如何缺少test.xsd中的任何名称空间声明的。我希望它们是一样的。我通过验证验证了后者是有效的XML。它验证了我对名称空间URI的选择，我认为这无关紧要

---

更新：

根据mzji的评论，我意识到这只发生在属性值上。考虑到这一点，我可以手动添加名称空间，如下所示：

from xml.etree import ElementTree

namespaces = {
    "types": "http://sdformat.org/schemas/types.xsd",
    "pose": "sdformat/pose",
    "xs": "http://www.w3.org/2001/XMLSchema"
}

for prefix, ns in namespaces.items():
    ElementTree.register_namespace(prefix, ns)

tree = ElementTree.parse("test.xsd")
root = tree.getroot()

queue = [tree.getroot()]
while queue:
    element:ElementTree.Element = queue.pop()
    for value in element.attrib.values():
        try:
            prefix, value = value.split(":")
        except ValueError:
            # no namespace, nothing to do
            pass
        else:
            if prefix == "xs":
                break  # ignore XMLSchema namespace
            root.attrib[f"xmlns:{prefix}"] = namespaces[prefix]

    for child in element:
        queue.append(child)

tree.write("test_out.xsd")

虽然这解决了问题，但这是一个相当丑陋的解决方案。我也不明白为什么会发生这种情况，所以它不能回答这个问题

Answer 1

这种行为有一个合理的原因，但它需要对XML模式概念有很好的理解

首先，一些重要事实：

• 您的XML文档不仅仅是任何旧的XML文档。这是一个XSD
• XSD由模式描述（请参见schema for schema）
• 属性xs:restriction/@base不是xs:string。它的类型是xs:QName

基于上述事实，我们可以断言：

• 如果test.xsd被解析为XML文档，但不知道“schema for schema”，那么base属性的值将被视为字符串（技术上称为PCDATA）
• 如果使用验证XML解析器解析test.xsd，并将“schema for schema”作为xsd，则base属性的值将解析为xs:QName

当ElementTree写入输出XML时，它的行为应该取决于base的数据类型。如果base是一个QName，那么ElementTree应该检测到它正在使用名称空间前缀“types”，并且应该发出相应的名称空间声明

如果您在解析test.xsd时没有提供“schema for schema”，那么ElementTree就不受约束了，因为它不可能知道base应该被解释为QName