如何获取名称空间元素的属性

时间:2015-06-26 01:39:18

标签: python xml xml-parsing lxml

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?

3 个答案:

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:

https://pastebin.com/F5HAw6zQ

#!/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)