Mô-đun Python ElementTree: Cách bỏ qua không gian tên của các tệp XML để xác định vị trí phần tử phù hợp khi sử dụng phương thức Tìm kiếm, phát hiện ra

Tôi muốn sử dụng phương thức "findall" để định vị một số phần tử của tệp xml nguồn trong mô-đun ElementTree.

Tuy nhiên, tệp xml nguồn (test.xml) có không gian tên. Tôi cắt một phần của tệp xml làm mẫu:

<?xml version="1.0" encoding="iso-8859-1"?>
<XML_HEADER xmlns="http://www.test.com">
    <TYPE>Updates</TYPE>
    <DATE>9/26/2012 10:30:34 AM</DATE>
    <COPYRIGHT_NOTICE>All Rights Reserved.</COPYRIGHT_NOTICE>
    <LICENSE>newlicense.htm</LICENSE>
    <DEAL_LEVEL>
        <PAID_OFF>N</PAID_OFF>
        </DEAL_LEVEL>
</XML_HEADER>

Mã python mẫu dưới đây:

from xml.etree import ElementTree as ET
tree = ET.parse(r"test.xml")
el1 = tree.findall("DEAL_LEVEL/PAID_OFF") # Return None
el2 = tree.findall("{http://www.test.com}DEAL_LEVEL/{http://www.test.com}PAID_OFF") # Return <Element '{http://www.test.com}DEAL_LEVEL/PAID_OFF' at 0xb78b90>

Mặc dù nó có thể hoạt động, vì có một không gian tên "{http://www.test.com}", việc thêm một không gian tên ở trước mỗi thẻ là rất bất tiện.

Làm cách nào tôi có thể bỏ qua không gian tên khi sử dụng phương thức "find", "findall", v.v.

Thay vì tự sửa đổi tài liệu XML, tốt nhất là phân tích nó và sau đó sửa đổi các thẻ trong kết quả. Bằng cách này, bạn có thể xử lý nhiều không gian tên và bí danh không gian tên:

from io import StringIO  # for Python 2 import from StringIO instead
import xml.etree.ElementTree as ET

# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
    prefix, has_namespace, postfix = el.tag.partition('}')
    if has_namespace:
        el.tag = postfix  # strip all namespaces
root = it.root

Điều này dựa trên cuộc thảo luận ở đây: http://bugs.python.org/su18304

Cập nhật: rpartition thay vì partitionđảm bảo bạn nhận được tên thẻ postfixngay cả khi không có không gian tên. Vì vậy, bạn có thể ngưng tụ nó:

for _, el in it:
    _, _, el.tag = el.tag.rpartition('}') # strip ns

Nếu bạn xóa thuộc tính xmlns khỏi xml trước khi phân tích cú pháp thì sẽ không có một không gian tên được thêm vào mỗi thẻ trong cây.

import re

xmlstring = re.sub(' xmlns="[^"]+"', '', xmlstring, count=1)

Các câu trả lời cho đến nay rõ ràng đặt giá trị không gian tên trong tập lệnh. Đối với một giải pháp chung chung hơn, tôi muốn trích xuất không gian tên từ xml:

import re
def get_namespace(element):
  m = re.match('\{.*\}', element.tag)
  return m.group(0) if m else ''

Và sử dụng nó trong phương pháp tìm:

namespace = get_namespace(tree.getroot())
print tree.find('./{0}parent/{0}version'.format(namespace)).text

Đây là phần mở rộng cho câu trả lời của nonagon, cũng loại bỏ không gian tên các thuộc tính:

from StringIO import StringIO
import xml.etree.ElementTree as ET

# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
    if '}' in el.tag:
        el.tag = el.tag.split('}', 1)[1]  # strip all namespaces
    for at in list(el.attrib.keys()): # strip namespaces of attributes too
        if '}' in at:
            newat = at.split('}', 1)[1]
            el.attrib[newat] = el.attrib[at]
            del el.attrib[at]
root = it.root

CẬP NHẬT: đã thêm list()để iterator hoạt động (cần thiết cho Python 3)

Cải thiện câu trả lời của ericspod:

Thay vì thay đổi chế độ phân tích cú pháp trên toàn cầu, chúng ta có thể gói nó trong một đối tượng hỗ trợ cấu trúc.

from xml.parsers import expat

class DisableXmlNamespaces:
    def __enter__(self):
            self.oldcreate = expat.ParserCreate
            expat.ParserCreate = lambda encoding, sep: self.oldcreate(encoding, None)
    def __exit__(self, type, value, traceback):
            expat.ParserCreate = self.oldcreate

Điều này sau đó có thể được sử dụng như sau

import xml.etree.ElementTree as ET
with DisableXmlNamespaces():
     tree = ET.parse("test.xml")

Cái hay của cách này là nó không thay đổi bất kỳ hành vi nào đối với mã không liên quan bên ngoài khối có. Tôi đã kết thúc việc tạo này sau khi gặp lỗi trong các thư viện không liên quan sau khi sử dụng phiên bản bởi ericspod cũng đã sử dụng expat.

Bạn cũng có thể sử dụng cấu trúc định dạng chuỗi thanh lịch:

ns='http://www.test.com'
el2 = tree.findall("{%s}DEAL_LEVEL/{%s}PAID_OFF" %(ns,ns))

hoặc, nếu bạn chắc chắn rằng PAID_OFF chỉ xuất hiện ở một cấp độ trong cây:

el2 = tree.findall(".//{%s}PAID_OFF" % ns)

Nếu bạn đang sử dụng ElementTreevà không, cElementTreebạn có thể buộc Expat bỏ qua xử lý không gian tên bằng cách thay thế ParserCreate():

from xml.parsers import expat
oldcreate = expat.ParserCreate
expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)

ElementTreecố gắng sử dụng Expat bằng cách gọi ParserCreate()nhưng không cung cấp tùy chọn nào để không cung cấp chuỗi phân tách không gian tên, đoạn mã trên sẽ khiến nó bị bỏ qua nhưng được cảnh báo rằng điều này có thể phá vỡ những thứ khác.

Tôi có thể bị trễ vì điều này nhưng tôi không nghĩ re.sublà một giải pháp tốt.

Tuy nhiên, việc viết lại xml.parsers.expatkhông hoạt động đối với các phiên bản Python 3.x,

Thủ phạm chính là phần xml/etree/ElementTree.pydưới cùng của mã nguồn

# Import the C accelerators
try:
    # Element is going to be shadowed by the C implementation. We need to keep
    # the Python version of it accessible for some "creative" by external code
    # (see tests)
    _Element_Py = Element

    # Element, SubElement, ParseError, TreeBuilder, XMLParser
    from _elementtree import *
except ImportError:
    pass

Thật là buồn.

Giải pháp là loại bỏ nó trước.

import _elementtree
try:
    del _elementtree.XMLParser
except AttributeError:
    # in case deleted twice
    pass
else:
    from xml.parsers import expat  # NOQA: F811
    oldcreate = expat.ParserCreate
    expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)

Đã thử nghiệm trên Python 3.6.

tryCâu lệnh try hữu ích trong trường hợp ở đâu đó trong mã của bạn, bạn tải lại hoặc nhập mô-đun hai lần, bạn gặp một số lỗi lạ như

• vượt quá độ sâu đệ quy tối đa
• AttributionError: XMLParser

btw chết tiệt mã nguồn etree trông thực sự lộn xộn.

Hãy kết hợp câu trả lời nonagon của với câu trả lời của mzjn cho một câu hỏi liên quan :

def parse_xml(xml_path: Path) -> Tuple[ET.Element, Dict[str, str]]:
    xml_iter = ET.iterparse(xml_path, events=["start-ns"])
    xml_namespaces = dict(prefix_namespace_pair for _, prefix_namespace_pair in xml_iter)
    return xml_iter.root, xml_namespaces

Sử dụng chức năng này, chúng tôi:

1. Tạo một trình vòng lặp để có được cả hai không gian tên và một đối tượng cây được phân tích cú pháp .

2. Lặp lại qua trình lặp được tạo để có được các không gian tên mà sau này chúng ta có thể vượt qua trong mỗi find()hoặc findall()gọi là bị chặn bởi iMom0 .

3. Trả về đối tượng phần tử gốc của cây được phân tích cú pháp và không gian tên.

Tôi nghĩ rằng đây là cách tiếp cận tốt nhất xung quanh vì không có thao tác nào với XML nguồn hoặc dẫn đến kết quả được phân tích cú pháp xml.etree.ElementTreebất cứ điều gì liên quan.

Tôi cũng muốn ghi nhận câu trả lời của barny bằng cách cung cấp một phần thiết yếu của câu đố này (rằng bạn có thể lấy gốc được phân tích cú pháp từ trình vòng lặp). Cho đến khi tôi thực sự duyệt qua cây XML hai lần trong ứng dụng của mình (một lần để có được không gian tên, lần thứ hai cho một gốc).