Question

我正在使用欧洲航天局的API query（可以在here上查看结果），以将卫星图像元数据解析为python对象。

使用requests库，我可以成功获取XML格式的结果，然后使用lxml读取内容。我能够找到元素并按预期方式探索树：

# loading the response into an ElementTree
tree = etree.fromstring(response.content)
root = tree.getroot()
ns = root.nsmap

# get the first entry element and its summary
e = root.find('entry',ns)
summary = e.find('summary',ns).text

print summary

>> 'Date: 2018-11-28T09:10:56.879Z, Instrument: OLCI, Mode: , Satellite: Sentinel-3, Size: 713.99 MB'

entry元素具有几个 date 后代，这些后代的属性 name 的值不同：

for d in e.findall('date',ns):
    print d.tag, d.attrib

>> {http://www.w3.org/2005/Atom}date {'name': 'creationdate'} {http://www.w3.org/2005/Atom}date {'name': 'beginposition'} {http://www.w3.org/2005/Atom}date {'name': 'endposition'} {http://www.w3.org/2005/Atom}date {'name': 'ingestiondate'}

我想使用XPath语法[@attrib='value']来获取 beginposition date元素，但它只返回None。即使只是搜索具有名称属性（[@attrib]）的日期元素也将返回None：

dt_begin = e.find('date[@name="beginposition"]',ns) # dt_begin is None
dt_begin = e.find('date[@name]',ns)                 # dt_begin is None

entry元素包括表现出相同行为的其他子元素，例如多个 str 元素也具有不同的 name 属性。

有人遇到过类似的事情吗？或者我缺少什么？我正在将Python 2.7.14与lxml 4.2.4一起使用

Answer 1

当使用谓词（[@name="beginposition"]）时，似乎需要一个显式前缀。这是一个测试程序：

from lxml import etree

print etree.LXML_VERSION

tree = etree.parse("data.xml")  

ns1 = tree.getroot().nsmap
print ns1
print tree.find('entry', ns1)
print tree.find('entry/date', ns1)
print tree.find('entry/date[@name="beginposition"]', ns1)

ns2 = {"atom": 'http://www.w3.org/2005/Atom'}
print tree.find('atom:entry', ns2)
print tree.find('atom:entry/atom:date', ns2)
print tree.find('atom:entry/atom:date[@name="beginposition"]', ns2)

输出：

(4, 2, 5, 0)
{None: 'http://www.w3.org/2005/Atom', 'opensearch': 'http://a9.com/-/spec/opensearch/1.1/'}
<Element {http://www.w3.org/2005/Atom}entry at 0x7f8987750b90>
<Element {http://www.w3.org/2005/Atom}date at 0x7f89877503f8>
None
<Element {http://www.w3.org/2005/Atom}entry at 0x7f8987750098>
<Element {http://www.w3.org/2005/Atom}date at 0x7f898774a950>
<Element {http://www.w3.org/2005/Atom}date at 0x7f898774a7a0>

无法使用lxml按属性查找元素

1 个答案: