问题描述
我有一个我正在尝试使用 Etree.lxml 解析的 xml 文档
I have an xml doc that I am trying to parse using Etree.lxml
<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()
当我尝试获取 dom.getroot() 时,我得到:
When I try to get dom.getroot() I get:
<Element {http://www.example.com/zzz/yyy}Envelope at 28adacac>
但我只想:
<Element Envelope at 28adacac>
当我这样做时
dom.getroot().find("Body")
我没有得到任何回报.但是,当我
I get nothing returned. However, when I
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发生.
I thought passing ns_clean=True to the parser would prevent this.
有什么想法吗?
推荐答案
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))
您可以使用 xpath 方法查找命名空间感知节点:
You can find namespace-aware nodes using the xpath method:
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>]
如果你真的想删除命名空间,你可以使用 XSL 转换:
If you really want to remove namespaces, you could use an XSL transformation:
# http://www.51sjk.com/Upload/Articles/1/0/335/335083_20221028121753903.xsl xslt='''<xsl:stylesheet version="1.0" xmlns:xsl="http://www.51sjk.com/Upload/Articles/1/0/335/335083_20221028121756211.jpg"> <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:
Here we see the namespace has been removed:
print(ET.tostring(dom)) # <Envelope> # <Header> # <Version>1</Version> # </Header> # <Body> # some stuff # </Body> # </Envelope>
所以你现在可以通过这种方式找到 Body 节点:
So you can now find the Body node this way:
print(dom.find("Body")) # <Element Body at 8506cd4>