lxml etree xmlparser删除不需要的名称p

2024-04-23 20:13:27 发布

您现在位置：Python中文网/ 问答频道 /正文
329 3

我有一个xml文档，正试图使用Etree.lxml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()

当我试图获取dom.getroot（）时，我得到：

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

但我只想：

<Element Envelope at 28adacac>

当我这样做的时候

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

我什么也没得到。但是，当我

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

我得到一个结果。

我认为将ns_clean=True传递给解析器可以防止这种情况。

有什么想法吗？


Tags： pathcomhttpexamplewwwbodyxmllxml
3条回答
网友
1楼 · 编辑于 2024-04-23 20:13:27

来自https://bitbucket.org/olauzanne/pyquery/issue/17的最后一个解决方案可以帮助您轻松避免名称空间

apply xml.replace(' xmlns:', ' xmlnamespace:') to your xml before using pyquery so lxml will ignore namespaces

对于您的情况，请尝试xml.replace(' xmlns="', ' xmlnamespace="')。但是，如果实体中也需要字符串，则可能需要更复杂的内容。

网友
2楼 · 编辑于 2024-04-23 20:13:27

尝试使用Xpath：

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

从this page中的“xpath（）方法”部分获取（并简化）

网友
3楼 · 编辑于 2024-04-23 20:13:27
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))

可以使用xpath方法找到命名空间感知节点：

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>]

如果确实要删除名称空间，可以使用XSL转换：

# 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)

这里我们看到命名空间已被删除：

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

所以现在可以通过以下方式找到Body节点：

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

相关问题 更多 >

    编程相关推荐