我正在解析我每天从供应商那里收到的XML文档,它大量使用名称空间。我已将问题最小化到最小子集:
我需要解析一些元素,所有这些元素都是具有特定属性的元素的子元素
我能够使用lxml.etree.Element.findall(TAG, root.nsmap)
来查找我需要检查其属性的候选节点。
然后我尝试通过我知道它使用的名称来检查每个Elements
的属性:具体来说这是ss:Name
。如果该属性的值是期望值,我将深入研究Element
(继续做其他事情)。
我该怎么做?
我正在解析的XML大致是
<FOO xmlns="SOME_REALLY_LONG_STRING"
some gorp declaring a bunch of namespaces one of which is
xmlns:ss="THE_VERY_SAME_REALLY_LONG_STRING_AS_ROOT"
>
<child_of_foo>
....
</child_of_foo>
...
<SomethingIWant ss:Name="bar" OTHER_ATTRIBS_I_DONT_CARE_ABOUT>
....
<MoreThingsToLookAtLater>
....
</MoreThingsToLookAtLater>
....
</SomethingIWant>
...
</FOO>
我找到了第一个我想要的SomethingIWant
元素(最终我想要它们所以我找到了所有这些)
import lxml
from lxml import etree
tree = etree.parse(myfilename)
root = tree.getroot()
# i want just the first one for now
my_sheet = root.findall('ss:RecordSet', root.nsmap)[0]
现在我想从这个元素中获取ss:Name
属性,进行检查,但我不确定如何?
我知道my_sheet.attrib
会显示原始URI,后跟属性名称,但我不希望这样。我需要检查它是否具有特定命名空间属性的特定值。 (因为如果它错了,我可以完全从进一步处理中跳过这个元素。)
我尝试使用lxml.etree.ElementTree.attrib.get()
但我似乎没有获得任何有用的东西。
有什么想法吗?
答案 0 :(得分:3)
我很确定这是一种可怕的非PYTHONIC非理想的做法;似乎必须有更好的方法...但我发现我可以做到这一点:
SS_REAL = "{%s}" % root.nsmap.get('ss')
然后我可以这样做:
my_sheet.get( SS_REAL + "NAME" )
它让我得到了我想要的东西..但这不可能是正确的方式来做到这一点..
答案 1 :(得分:2)
lxml
优于标准python XML解析器的一个优点是lxml
通过xpath()
方法完全支持XPath 1.0规范。所以我大部分时间都会使用xpath()
方法。您当前案例的工作示例:
from lxml import etree
xml = """<FOO xmlns="SOME_REALLY_LONG_STRING"
xmlns:ss="THE_VERY_SAME_REALLY_LONG_STRING_AS_ROOT"
>
<child_of_foo>
....
</child_of_foo>
...
<SomethingIWant ss:Name="bar">
....
</SomethingIWant>
...
</FOO>"""
root = etree.fromstring(xml)
ns = {'ss': 'THE_VERY_SAME_REALLY_LONG_STRING_AS_ROOT'}
# i want just the first one for now
result = root.xpath('//@ss:Name', namespaces=ns)[0]
print(result)
输出
bar
更新:
演示如何从当前element
获取命名空间属性的修改示例:
ns = {'ss': 'THE_VERY_SAME_REALLY_LONG_STRING_AS_ROOT', 'd': 'SOME_REALLY_LONG_STRING'}
element = root.xpath('//d:SomethingIWant', namespaces=ns)[0]
print(etree.tostring(element))
attribute = element.xpath('@ss:Name', namespaces=ns)[0]
print(attribute)
输出
<SomethingIWant xmlns="SOME_REALLY_LONG_STRING" xmlns:ss="THE_VERY_SAME_REALLY_LONG_STRING_AS_ROOT" ss:Name="bar">
....
</SomethingIWant>
...
bar
答案 2 :(得分:-1)
我的解决方案:
#!/bin/bash
# by default, set to none; otherwise, set to some value
[ "$1" = "-d" ] && args="-f file" || args=
docker-compose $args run ...
结果:
#!/usr/bin/python
# -*- coding: utf-8 -*-
from sys import argv
import xml.etree.ElementTree as ET
NS = 'x' # default namespace key # (any string is OK)
class XMLParser(object):
def __init__(self):
self.ns = {} # namespace dict
self.root = None # XML's root element
# extracts the namespace (usually from the root element)
def get_namespace(self, tag):
return tag.split('}')[0][1:]
# loads the XML file (here: from string)
def load_xml(self, xmlstring):
root = ET.fromstring(xmlstring)
self.root = root
self.ns[NS] = self.get_namespace(root.tag)
return True
# transforms XPath without namespaces to XPath with namespace
# AND detects if last element is an attribute
def ns_xpath(self, xpath):
tags = xpath.split('/')
if tags[-1].startswith('@'):
attrib = tags.pop()[1:]
else:
attrib = None
nsxpath = '/'.join(['%s:%s' % (NS, tag) for tag in tags])
return nsxpath, attrib
# `find` and `findall` method in one place honoring attributes in XPath
def xfind(self, xpath, e=None, findall=False):
if not e:
e = self.root
if not findall:
f = e.find
else:
f = e.findall
nsxpath, attrib = self.ns_xpath(xpath)
e = f(nsxpath, self.ns)
if attrib:
return e.get(attrib)
return e
def main(xmlstring):
p = XMLParser()
p.load_xml(xmlstring)
xpaths = {
'Element a:': 'a',
'Element b:': 'a/b',
'Attribute c:': 'a/b/@c'
}
for key, xpath in xpaths.items():
print key, xpath, p.xfind(xpath)
if __name__ == "__main__":
xmlstring = """<root xmlns="http://www.example.com">
<a>
<b c="Hello, world!">
</b>
</a>
</root>"""
main(xmlstring)