Python利用命名空间解析XML文档
作者：David Beazley 时间：2021-10-06 05:45:32
问题
你想解析某个XML文档，文档中使用了XML命名空间。
解决方案
考虑下面这个使用了命名空间的文档：
<?xml version="1.0" encoding="utf-8"?>
<top>
<author>David Beazley</author>
<content>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>Hello World</title>
</head>
<body>
<h1>Hello World!</h1>
</body>
</html>
</content>
</top>
如果你解析这个文档并执行普通的查询，你会发现这个并不是那么容易，因为所有步骤都变得相当的繁琐。
>>> # Some queries that work
>>> doc.findtext('author')
'David Beazley'
>>> doc.find('content')
<Element 'content' at 0x100776ec0>
>>> # A query involving a namespace (doesn't work)
>>> doc.find('content/html')
>>> # Works if fully qualified
>>> doc.find('content/{http://www.w3.org/1999/xhtml}html')
<Element '{http://www.w3.org/1999/xhtml}html' at 0x1007767e0>
>>> # Doesn't work
>>> doc.findtext('content/{http://www.w3.org/1999/xhtml}html/head/title')
>>> # Fully qualified
>>> doc.findtext('content/{http://www.w3.org/1999/xhtml}html/'
... '{http://www.w3.org/1999/xhtml}head/{http://www.w3.org/1999/xhtml}title')
'Hello World'
>>>
你可以通过将命名空间处理逻辑包装为一个工具类来简化这个过程：
class XMLNamespaces:
def __init__(self, **kwargs):
self.namespaces = {}
for name, uri in kwargs.items():
self.register(name, uri)
def register(self, name, uri):
self.namespaces[name] = '{'+uri+'}'
def __call__(self, path):
return path.format_map(self.namespaces)
通过下面的方式使用这个类：
>>> ns = XMLNamespaces(html='http://www.w3.org/1999/xhtml')
>>> doc.find(ns('content/{html}html'))
<Element '{http://www.w3.org/1999/xhtml}html' at 0x1007767e0>
>>> doc.findtext(ns('content/{html}html/{html}head/{html}title'))
'Hello World'
>>>
讨论
解析含有命名空间的XML文档会比较繁琐。 上面的 XMLNamespaces 仅仅是允许你使用缩略名代替完整的URI将其变得稍微简洁一点。
很不幸的是，在基本的 ElementTree 解析中没有任何途径获取命名空间的信息。 但是，如果你使用 iterparse() 函数的话就可以获取更多关于命名空间处理范围的信息。例如：
>>> from xml.etree.ElementTree import iterparse
>>> for evt, elem in iterparse('ns2.xml', ('end', 'start-ns', 'end-ns')):
... print(evt, elem)
...
end <Element 'author' at 0x10110de10>
start-ns ('', 'http://www.w3.org/1999/xhtml')
end <Element '{http://www.w3.org/1999/xhtml}title' at 0x1011131b0>
end <Element '{http://www.w3.org/1999/xhtml}head' at 0x1011130a8>
end <Element '{http://www.w3.org/1999/xhtml}h1' at 0x101113310>
end <Element '{http://www.w3.org/1999/xhtml}body' at 0x101113260>
end <Element '{http://www.w3.org/1999/xhtml}html' at 0x10110df70>
end-ns None
end <Element 'content' at 0x10110de68>
end <Element 'top' at 0x10110dd60>
>>> elem # This is the topmost element
<Element 'top' at 0x10110dd60>
>>>
最后一点，如果你要处理的XML文本除了要使用到其他高级XML特性外，还要使用到命名空间， 建议你最好是使用 lxml 函数库来代替 ElementTree 。 例如，lxml 对利用DTD验证文档、更好的XPath支持和一些其他高级XML特性等都提供了更好的支持。 这一小节其实只是教你如何让XML解析稍微简单一点。
来源：https://python3-cookbook.readthedocs.io/zh_CN/latest/c06/p07_parse_xml_documents_with_namespaces.html
标签：Python,命名空间,解析XML
0
投稿猜你喜欢
Golang实现文件传输功能
2023-08-05 13:50:31
一文详解如何用GPU来运行Python代码
2022-02-26 17:49:30
python多次绘制条形图的方法
2021-07-22 09:36:45
栅格:一以贯之
2008-07-22 12:19:00
rs.getrows的使用方法
2008-04-05 14:01:00
Python tkinter模块中类继承的三种方式分析
2023-07-19 22:00:48
pandas提升计算效率的一些方法汇总
2023-12-01 00:08:04
python按比例随机切分数据的实现
2021-05-28 05:17:34
DBA_2PC_PENDING 介绍
2009-02-28 10:59:00
使用 XML 模板 (MSSQL手册)
2008-09-04 14:25:00
Python复制Word内容并使用格式设字体与大小实例代码
2023-01-10 05:48:20
利用Python实现朋友圈中的九宫格图片效果
2023-07-31 01:37:22
php实现pdo数据库操作类过程详解
2023-05-25 11:15:05
django传值给模板, 再用JS接收并进行操作的实例
2021-08-23 08:03:46
python实现邮件发送功能
2023-10-11 02:27:09
8大措施帮你构筑Access安全防线
2010-03-11 14:38:00
使用python的pexpect模块,实现远程免密登录的示例
2022-10-19 18:30:22
Pandas分组聚合之groupby()、agg()方法的使用教程
2021-07-07 00:29:55
Web2.0 的视觉设计
2007-10-24 20:12:00
PHP错误Parse error: syntax error, unexpected end of file in test.php on line 12解决方法
2023-11-14 16:13:53