Python利用命名空间解析XML文档

时间：2021-05-22

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 Noneend <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。

以上就是Python利用命名空间解析XML文档的详细内容，更多关于Python命名空间解析XML文档的资料请关注其它相关文章！

声明：本页内容来源网络，仅供用户参考；我单位不保证亦不表示资料全面及准确无误，也不保证亦不表示这些资料为最新信息，如因任何原因，本网内容或者用户因倚赖本网内容造成任何损失或损害，我单位将不会负任何法律责任。如涉及版权问题，请提交至online#300.cn邮箱联系删除。

相关文章