xmlns 命名空间破坏 lxml

Question

我正在尝试打开一个 xml 文件，并从某些标签中获取值。我已经做了很多，但是这个特殊的 xml 给了我一些问题。这是xml文件的一部分：

<?xml version='1.0' encoding='UTF-8'?>
<package xmlns="http://apple.com/itunes/importer" version="film4.7">
  <provider>filmgroup</provider>
  <language>en-GB</language>
  <actor name="John Smith" display="Doe John"</actor>
</package>

这是我的python代码示例：

metadata = '/Users/mylaptop/Desktop/Python/metadata.xml'
from lxml import etree
parser = etree.XMLParser(remove_blank_text=True)
open(metadata)
tree = etree.parse(metadata, parser)
root = tree.getroot()
for element in root.iter(tag='provider'):
    providerValue = tree.find('//provider')
    providerValue = providerValue.text
    print providerValue
tree.write('/Users/mylaptop/Desktop/Python/metadataDone.xml', pretty_print = True, xml_declaration = True, encoding = 'UTF-8')

当我运行它时，它找不到提供者标签或其值。如果我删除xmlns="http://apple.com/itunes/importer"，那么一切都会按预期工作。 我的问题是如何删除这个命名空间，因为我对此完全不感兴趣，所以我可以使用 lxml 获取我需要的标签值？

Answer 1

provider 标记位于 http://apple.com/itunes/importer 命名空间中，因此您需要使用完全限定名称

{http://apple.com/itunes/importer}provider

或使用具有the namespaces parameter 的lxml 方法之一，例如root.xpath。然后你可以用命名空间前缀来指定它（例如ns:provider）：

from lxml import etree
parser = etree.XMLParser(remove_blank_text=True)
tree = etree.parse(metadata, parser)
root = tree.getroot()
namespaces = {'ns':'http://apple.com/itunes/importer'}
items = iter(root.xpath('//ns:provider/text()|//ns:actor/@name',
                       namespaces=namespaces))
for provider, actor in zip(*[items]*2):
    print(provider, actor)

产量

('filmgroup', 'John Smith')

请注意，上面使用的 XPath 假定 <provider> 和 <actor> 元素总是交替出现。如果这不是真的，那么当然有办法处理它，但是代码变得有点冗长：

for package in root.xpath('//ns:package', namespaces=namespaces):
    for provider in package.xpath('ns:provider', namespaces=namespaces):
        providerValue = provider.text
        print providerValue
    for actor in package.xpath('ns:actor', namespaces=namespaces):
        print actor.attrib['name']

Answer 2

我的建议是不要忽略命名空间，而是将其考虑在内。我为我在 django-quickbooks 库上的工作编写了一些相关函数（稍作修改后复制）。使用这些功能，您应该能够做到这一点：

providers = getels(root, 'provider', ns='http://apple.com/itunes/importer')

以下是这些功能：

def get_tag_with_ns(tag_name, ns):
    return '{%s}%s' % (ns, tag_name)

def getel(elt, tag_name, ns=None):
    """ Gets the first tag that matches the specified tag_name taking into
    account the QB namespace.

    :param ns: The namespace to use if not using the default one for
    django-quickbooks.
    :type  ns: string
    """

    res = elt.find(get_tag_with_ns(tag_name, ns=ns))
    if res is None:
        raise TagNotFound('Could not find tag by name "%s"' % tag_name)
    return res

def getels(elt, *path, **kwargs):
    """ Gets the first set of elements found at the specified path.

    Example:
        >>> xml = (
        "<root>" +
            "<item>" +
                "<id>1</id>" +
            "</item>" +
            "<item>" +
                "<id>2</id>"* +
            "</item>" +
        "</root>")
        >>> el = etree.fromstring(xml)
        >>> getels(el, 'root', 'item', ns='correct/namespace')
        [<Element item>, <Element item>]
    """

    ns = kwargs['ns']

    i=-1
    for i in range(len(path)-1):
        elt = getel(elt, path[i], ns=ns)
    tag_name = path[i+1]
    return elt.findall(get_tag_with_ns(tag_name, ns=ns))