Question

我想使用“findall”的方法在ElementTree模块中找到源xml文件的一些元素。

但是，源xml文件（test.xml）具有命名空间。我将部分xml文件截断为样本：

<?xml version="1.0" encoding="iso-8859-1"?>
<XML_HEADER xmlns="http://www.test.com">
    <TYPE>Updates</TYPE>
    <DATE>9/26/2012 10:30:34 AM</DATE>
    <COPYRIGHT_NOTICE>All Rights Reserved.</COPYRIGHT_NOTICE>
    <LICENSE>newlicense.htm</LICENSE>
    <DEAL_LEVEL>
        <PAID_OFF>N</PAID_OFF>
        </DEAL_LEVEL>
</XML_HEADER>

示例python代码如下：

from xml.etree import ElementTree as ET
tree = ET.parse(r"test.xml")
el1 = tree.findall("DEAL_LEVEL/PAID_OFF") # Return None
el2 = tree.findall("{http://www.test.com}DEAL_LEVEL/{http://www.test.com}PAID_OFF") # Return <Element '{http://www.test.com}DEAL_LEVEL/PAID_OFF' at 0xb78b90>

虽然它可以工作，但因为有一个命名空间“{http://www.test.com}”，所以在每个标记前添加命名空间非常不方便。

使用“find”，“findall”等方法时，如何忽略命名空间？

Answer 1

最好解析它，然后修改结果中的标记，而不是修改XML文档本身。这样您就可以处理多个名称空间和名称空间别名：

from StringIO import StringIO
import xml.etree.ElementTree as ET

# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
    if '}' in el.tag:
        el.tag = el.tag.split('}', 1)[1]  # strip all namespaces
root = it.root

这是基于这里的讨论： http://bugs.python.org/issue18304

Answer 2

如果在解析之前从xml中删除了xmlns属性，那么树中的每个标记都不会添加名称空间。

import re

xmlstring = re.sub(' xmlns="[^"]+"', '', xmlstring, count=1)

Answer 3

到目前为止，答案明确地将命名空间值放在脚本中。对于更通用的解决方案，我宁愿从xml中提取命名空间：

import re
def get_namespace(element):
  m = re.match('\{.*\}', element.tag)
  return m.group(0) if m else ''

在find方法中使用它：

namespace = get_namespace(tree.getroot())
print tree.find('./{0}parent/{0}version'.format(namespace)).text

Answer 4

这是对nonagon的答案的扩展，它还剥离了属性名称空间：

from StringIO import StringIO
import xml.etree.ElementTree as ET

# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
    if '}' in el.tag:
        el.tag = el.tag.split('}', 1)[1]  # strip all namespaces
    for at in el.attrib.keys(): # strip namespaces of attributes too
        if '}' in at:
            newat = at.split('}', 1)[1]
            el.attrib[newat] = el.attrib[at]
            del el.attrib[at]
root = it.root

Answer 5

改善ericspod的答案：

我们可以将其包装在支持with构造的对象中，而不是全局更改解析模式。

from xml.parsers import expat

class DisableXmlNamespaces:
    def __enter__(self):
            self.oldcreate = expat.ParserCreate
            expat.ParserCreate = lambda encoding, sep: self.oldcreate(encoding, None)
    def __exit__(self, type, value, traceback):
            expat.ParserCreate = self.oldcreate

然后可以按以下方式使用

import xml.etree.ElementTree as ET
with DisableXmlNamespaces():
     tree = ET.parse("test.xml")

这种方式的优点在于，它不会更改with块之外无关代码的任何行为。在使用ericspod的版本（该版本也恰好使用expat）后，在无关库中出现错误后，我最终创建了该代码。

Answer 6

您也可以使用优雅的字符串格式构造：

ns='http://www.test.com'
el2 = tree.findall("{%s}DEAL_LEVEL/{%s}PAID_OFF" %(ns,ns))

或者，如果您确定 PAID_OFF 仅出现在树的一个级别中：

el2 = tree.findall(".//{%s}PAID_OFF" % ns)

Answer 7

在python 3.5中，您可以在find()中将名称空间作为参数传递。例如，

ns= {'xml_test':'http://www.test.com'}
tree = ET.parse(r"test.xml")
el1 = tree.findall("xml_test:DEAL_LEVEL/xml_test:PAID_OFF",ns)

文档链接：-https://docs.python.org/3.5/library/xml.etree.elementtree.html#parsing-xml-with-namespaces

Answer 8

如果您正在使用ElementTree而不是cElementTree，则可以通过替换ParserCreate()来强制Expat忽略名称空间处理：

from xml.parsers import expat
oldcreate = expat.ParserCreate
expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)

ElementTree尝试通过调用ParserCreate()来使用Expat，但没有提供不提供命名空间分隔符字符串的选项，上面的代码将导致它被忽略但是会被警告这可能会破坏其他事情。 / p>

Answer 9

让我们将nonagon's answer与mzjn's answer to a related question结合起来：

def parse_xml(xml_path: Path) -> Tuple[ET.Element, Dict[str, str]]:
    xml_iter = ET.iterparse(xml_path, events=["start-ns"])
    xml_namespaces = dict(prefix_namespace_pair for _, prefix_namespace_pair in xml_iter)
    return xml_iter.root, xml_namespaces

使用此功能，我们：

创建一个迭代器以同时获取名称空间和已解析的树对象。
遍历已创建的迭代器，以获取我们可以使用的命名空间命令以后再传递每个as sugested by iMom0的find()或findall()呼叫。
返回已解析树的根元素对象和名称空间。

我认为这是最好的方法，因为无论源XML还是解析后的xml.etree.ElementTree输出都不会受到任何操纵。

我也想感谢barny's answer提供了这个难题的重要组成部分（您可以从迭代器中获得解析的根）。直到我实际上在我的应用程序中遍历了两次XML树（一次获取名称空间，第二次获取根）。

Answer 10

为此，我可能会迟到，但是我认为re.sub不是一个好的解决方案。

但是重写xml.parsers.expat不适用于Python 3.x版本，

罪魁祸首是xml/etree/ElementTree.py，请参见源代码底部

# Import the C accelerators
try:
    # Element is going to be shadowed by the C implementation. We need to keep
    # the Python version of it accessible for some "creative" by external code
    # (see tests)
    _Element_Py = Element

    # Element, SubElement, ParseError, TreeBuilder, XMLParser
    from _elementtree import *
except ImportError:
    pass

有点难过

解决方案是先摆脱它。

import _elementtree
try:
    del _elementtree.XMLParser
except AttributeError:
    # in case deleted twice
    pass
else:
    from xml.parsers import expat  # NOQA: F811
    oldcreate = expat.ParserCreate
    expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)

在Python 3.6上进行了测试。

尝试try语句很有用，以防您在代码中的某处重新加载或导入模块两次而遇到类似

的奇怪错误

超过了最大递归深度
AttributeError：XMLParser

该死的etree源代码看起来真的很乱。

Answer 11

碰巧在这里找到答案：XSD conditional type assignment default type confusion?

<?xml version="1.0" encoding="UTF-8"?>
<persons xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:noNamespaceSchemaLocation="test.xsd">
    <person version="1">
        <firstname>toto</firstname>
        <lastname>tutu</lastname>
    </person>
</persons>

另请参阅：https://www.w3.org/TR/xmlschema-1/#xsi_schemaLocation

为我工作。我在应用程序中调用XML验证过程。但是我也想在编辑XML时快速查看PyCharm中的验证高亮和自动完成。这个noNamespaceSchemaLocation属性可以满足我的需求。

Python ElementTree模块：当使用“find”，“findall”方法时，如何忽略XML文件的命名空间以找到匹配的元素

11 个答案: