如何使用lxml解析包含前缀但没有名称空间声明的XML？

Question

我有一堆XML文件使用前缀但没有相应的名称空间声明。

像：

<tal:block tal:condition="foo">
...
</tal:block>

或：

<div i18n:domain="my-app">
...

我知道那些前缀来自哪里，我尝试了以下内容，但没有成功：

from lxml import etree as ElementTree

ElementTree.register_namespace("i18n", "http://namespaces.zope.org")
ElementTree.register_namespace("tal", "http://xml.zope.org/namespaces/tal")

with open(path) as fp:
    tree = ElementTree.parse(fp)

但lxml仍然窒息：

lxml.etree.XMLSyntaxError: Namespace prefix i18n for domain on div is not defined, line 4, column 20

我知道我可以使用ElementTree.XMLParser(recover=True)，但我想保留前缀，这种方法不会。

有什么想法吗？

Answer 1

它不是有效的XML，使用未定义的前缀，因此没有XML解析器能够处理它。

您最好的选择（除了修复XML）是以编程方式修改XML源以将命名空间属性添加到根元素（只使用您的语言中的字符串支持）。在将XML提供给解析器之前，将xmlns:tal="http://xml.zope.org/namespaces/tal"等添加到根元素。然后，XML解析器应该无需投诉地处理它，也没有任何注册命名空间。