lxml etree xmlparser 删除不需要的命名空间答案

【问题标题】：lxml etree xmlparser remove unwanted namespacelxml etree xmlparser 删除不需要的命名空间
【发布时间】：2011-05-14 09:45:21
【问题描述】：

我有一个我正在尝试使用 Etree.lxml 解析的 xml 文档

<Envelope xmlns="http://www.example.com/zzz/yyy">
  <Header>
    <Version>1</Version>
  </Header>
  <Body>
    some stuff
  <Body>
<Envelope>

我的代码是：

path = "path to xml file"
from lxml import etree as ET
parser = ET.XMLParser(ns_clean=True)
dom = ET.parse(path, parser)
dom.getroot()

当我尝试获取 dom.getroot() 时，我得到：

<Element {http://www.example.com/zzz/yyy}Envelope at 28adacac>

但我只想：

<Element Envelope at 28adacac>

当我这样做时

dom.getroot().find("Body")

我没有得到任何回报。然而，当我

dom.getroot().find("{http://www.example.com/zzz/yyy}Body")

我得到一个结果。

我认为将 ns_clean=True 传递给解析器可以防止这种情况发生。

有什么想法吗？

【问题讨论】：

标签： python lxml xml-parsing elementtree

【解决方案1】：

另一个不错的选择是使用 QName 帮助器并将其包装在具有默认命名空间的函数中：

from lxml import etree

DEFAULT_NS = 'http://www.example.com/zzz/yyy'

def tag(name, ns=DEFAULT_NS):
    return etree.QName(ns, name)

dom = etree.parse(path)
body = dom.getroot().find(tag('Body'))

【讨论】：

QName(ns, **name**) - 打印错误
@SergeyKolesnik 很好 - 我已经确定了答案。

【解决方案2】：

import io
import lxml.etree as ET

content='''\
<Envelope xmlns="http://www.example.com/zzz/yyy">
  <Header>
    <Version>1</Version>
  </Header>
  <Body>
    some stuff
  </Body>
</Envelope>
'''    
dom = ET.parse(io.BytesIO(content))

您可以使用xpath 方法查找命名空间感知节点：

body=dom.xpath('//ns:Body',namespaces={'ns':'http://www.example.com/zzz/yyy'})
print(body)
# [<Element {http://www.example.com/zzz/yyy}Body at 90b2d4c>]

如果你真的想删除命名空间，你可以使用 XSL 转换：

# http://wiki.tei-c.org/index.php/Remove-Namespaces.xsl
xslt='''<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="xml" indent="no"/>

<xsl:template match="/|comment()|processing-instruction()">
    <xsl:copy>
      <xsl:apply-templates/>
    </xsl:copy>
</xsl:template>

<xsl:template match="*">
    <xsl:element name="{local-name()}">
      <xsl:apply-templates select="@*|node()"/>
    </xsl:element>
</xsl:template>

<xsl:template match="@*">
    <xsl:attribute name="{local-name()}">
      <xsl:value-of select="."/>
    </xsl:attribute>
</xsl:template>
</xsl:stylesheet>
'''

xslt_doc=ET.parse(io.BytesIO(xslt))
transform=ET.XSLT(xslt_doc)
dom=transform(dom)

这里我们看到命名空间已被删除：

print(ET.tostring(dom))
# <Envelope>
#   <Header>
#     <Version>1</Version>
#   </Header>
#   <Body>
#     some stuff
#   </Body>
# </Envelope>

所以你现在可以通过这种方式找到 Body 节点：

print(dom.find("Body"))
# <Element Body at 8506cd4>

【讨论】：

XSLT 删除所有命名空间。正是我想要的，天才。
仅供参考，如果使用 Python3，您需要先对 xslt 字符串进行编码。即xslt_doc=ET.parse(io.BytesIO(str.encode(xslt)))

【解决方案3】：

尝试使用 Xpath：

dom.xpath("//*[local-name() = 'Body']")

取自（并简化）自 this page，在“xpath() 方法”部分下

【讨论】：

【解决方案4】：

https://bitbucket.org/olauzanne/pyquery/issue/17 的最后一个解决方案可以帮助您轻松避免命名空间

在使用 pyquery 之前将 xml.replace(' xmlns:', ' xmlnamespace:') 应用于您的 xml，这样 lxml 将忽略命名空间

在你的情况下，试试xml.replace(' xmlns="', ' xmlnamespace="')。但是，如果正文中也需要字符串，您可能需要更复杂的内容。

【讨论】：

这太棒了。你改变了我的生活，谢谢。（ps，谁设计了 XML 命名空间，wtf？）
串串串词总是通往疯狂的道路。在一般情况下，这个答案是完全错误的。假设您正在格式化这个确切问题的 RSS 提要——结果会告诉人们xml.replace(' xmlnamespace="', ' xmlnamespace="')...

【解决方案5】：

您正在显示 repr() 调用的结果。当您以编程方式在树中移动时，您可以简单地选择忽略命名空间。

【讨论】：