Question

我正在尝试使用Lxml来解析.docx文档的内容。我知道lxml将命名空间前缀替换为实际的命名空间，但是这使得检查我正在使用的元素标记类型真的很痛苦。我希望能够做类似

的事情

if (someElement.tag == "w:p"):

但是由于lxml坚持预先设置te ful命名空间，我要么必须做类似

的事情

if (someElemenet.tag == "{http://schemas.openxmlformats.org/wordprocessingml/2006/main}p'):

或从元素的nsmap属性中执行完整命名空间名称的查找，如此

targetTag = "{%s}p" % someElement.nsmap['w']
if (someElement.tag == targetTag):

如果有一种更容易的方法来说服lxml

给我标签字符串，不附加名称空间，我可以使用prefix属性和这些信息来检查我正在使用哪个标签或
使用前缀

在编写此解析器时，这将节省大量的击键次数。这可能吗？我在文档中遗漏了什么吗？

Answer 1

也许使用local-name()：

import lxml.etree as ET
tree = ET.fromstring('<root xmlns:f="foo"><f:test/></root>')
elt=tree[0]
print(elt.xpath('local-name()'))
# test

Answer 2

我找不到从元素中获取非命名空间标记名称的方法 - lxml会考虑标记名称的完整命名空间部分。以下是一些可能有用的选项..

您还可以使用QName类构造用于比较的命名空间标记：

import lxml.etree
from lxml.etree import QName

tree = lxml.etree.fromstring('<root xmlns:f="foo"><f:test/></root>')
qn = QName(tree.nsmap['f'], 'test')
assert tree[0].tag == qn

如果你需要裸标签名称，你必须编写一个实用程序函数来提取它：

def get_bare_tag(elem):
    return elem.tag.rsplit('}', 1)[-1]

assert get_bare_tag(tree[0]) == 'test'

不幸的是，据我所知，你不能使用lxml的xpath / find方法搜索带有“any namespace”的标签（例如{*}test）。

已更新：请注意，lxml不会构建仅包含{ or }的标记 - 它会引发ValueError：无效的标记名称，因此可以安全地假设其元素为标记名称以{开头是平衡的。

lxml.etree.Element('{foo')
ValueError: Invalid tag name

Answer 3

etree.Qname应该能够为您提供所需的信息。

from lxml import etree

# [...]

tag = etree.QName(someElement)

print(tag.namespace, tag.localname)

对于您的示例代码，这将输出：

http://schemas.openxmlformats.org/wordprocessingml/2006/main p

请注意，QName将采用Element对象或字符串（例如来自Element.tag）。

并且，正如您所注意到的，您还可以使用Element.nsmap从任意前缀映射到命名空间。

这样的事情：

if tag.namespace == someElement.nsmap["w"] and tag.localname == "p":

Answer 4

为了节省在docx中查找p（段落，我推测）的高容量标签或xlsx中c（单元格）的高容量标签的时间，通常会在全球或班级：

WPML_URI = "{http://schemas.openxmlformats.org/wordprocessingml/2006/main}"
tag_p = WPML_URI + 'p'
tag_t = WPML_URI + 't'

我从未见过为什么要使用QName()的解释。

另一方面，给定完整标签，您可以轻松提取基本标签：

base_tag = full_tag.rsplit("}", 1)[-1]

Answer 5

我不是Python专家，但我也有这个问题（Windows 7“联系人”文件）。我为lxml系统编写了以下函数。

此函数接受一个元素，并返回其标记，其前缀替换为文件的ns标记。

from lxml import etree

def denstag(ee):
  tag = ee.tag
  for ns in ee.nsmap:
    prefix = "{"+ee.nsmap[ns]+"}"
    if tag.startswith(prefix):               
      return ns+":"+tag[len(prefix):]
  return tag

Answer 6

这是我恢复真实（源）xml标记名称的解决方案

假设我们有xml_node变量，则是lxml Element的实例

之前：{http://some/namespace/url}TagName（从xml_node.tag道具中读取）

之后：nsprefix:TagName（由于xml_get_real_tag_name(xml_node)）

def xml_get_real_tag_name(xml_node):
    """Replace lxml '{http://some/namespace/url}TagName' with regular 'nsprefix:TagName' string
    Args:
        xml_node (lxml.etree.Element) Source xml node entity
    Returns:
        str
    """
    if '{' in xml_node.tag:
    return ':'.join([xml_node.prefix, etree.QName(xml_node).localname])
else:
    return xml_node.tag

Lxml元素与名称空间的相等性

6 个答案: