没有命名空间声明的漂亮打印子节点答案

【问题标题】：Pretty print subnode without namespace declaration没有命名空间声明的漂亮打印子节点
【发布时间】：2017-09-26 22:19:10
【问题描述】：

我有一个 xml 文档，我想提取一个子节点 (boundedBy) 并按照原始文档中的样子进行漂亮打印（漂亮格式除外）。

<?xml version="1.0" encoding="UTF-8" ?>
<wfs:FeatureCollection
   xmlns:sei="https://somedomain.com/namespace"
   xmlns:wfs="http://www.opengis.net/wfs"
   xmlns:gml="http://www.opengis.net/gml"
   xmlns:ogc="http://www.opengis.net/ogc"
   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
   xsi:schemaLocation="http://www.opengis.net/wfs http://schemas.opengis.net/wfs/1.1.0/wfs.xsd 
                       https://somedomain.com/schemas/wfsnamespace some.xsd">
      <gml:boundedBy>
        <gml:Box srsName="EPSG:4326">
            <gml:coordinates>-10.934396,-139.997120 77.396455,-53.627763</gml:coordinates>
        </gml:Box>
      </gml:boundedBy>
    <gml:featureMember>
      <sei:HUB_HEIGHT_FCST>
        <!--- This is the section I want --->
        <gml:boundedBy>
            <gml:Box srsName="EPSG:4326">
                <gml:coordinates>14.574435,-139.997120 14.574435,-139.997120</gml:coordinates>
            </gml:Box>
        </gml:boundedBy>
        <!--- This is the section I want --->
        <sei:geometry_4326>
        <gml:Point srsName="EPSG:4326">
          <gml:coordinates>14.574435,-139.997120</gml:coordinates>
        </gml:Point>
        </sei:geometry_4326>
        <sei:rundatetime>2017-09-26 00:00:00</sei:rundatetime>
        <sei:validdatetime>2017-09-26 17:00:00</sei:validdatetime>
      </sei:HUB_HEIGHT_FCST>
    </gml:featureMember>
</wfs:FeatureCollection>

这是我提取子节点的方式：

# parse the xml string
parser = etree.XMLParser(remove_blank_text=True, remove_comments=True, recover=False, strip_cdata=False)
root = etree.fromstring(xmlstr, parser=parser)
#find the subnode I want 
subnodes = root.xpath("./gml:boundedBy", namespaces={'gml': 'http://www.opengis.net/gml'})
subnode = subnodes[0]
# make a pretty output
xmlstr = etree.tostring(subnode, xml_declaration=False, encoding="UTF-8", pretty_print=True)
print xmlstr

这给了我这个。不幸的是，lxml 正在将命名空间添加到 boundedBy 节点（为了 xml 的完整性，这很有意义）。

<gml:boundedBy xmlns:gml="http://www.opengis.net/gml" xmlns:sei="https://somedomain.com/namespace" xmlns:wfs="http://www.opengis.net/wfs" xmlns:ogc="http://www.opengis.net/ogc" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
  <gml:Box srsName="EPSG:4326">
    <gml:coordinates>-10.934396,-139.997120 77.396455,-53.627763</gml:coordinates>
  </gml:Box>
</gml:boundedBy>

我只想要原始文档中的子节点。

<gml:boundedBy>
    <gml:Box srsName="EPSG:4326">
        <gml:coordinates>14.574435,-139.997120 14.574435,-139.997120</gml:coordinates>
    </gml:Box>
</gml:boundedBy>

我不使用 lxml 很灵活，但无论哪种方式，我都没有找到有关如何完成此操作的选项。

编辑：既然有人指出我应该解释我为什么要这样做......

我正在尝试在不更改其原始结构的情况下记录 xml 片段。我正在构建的自动化测试会查看某些节点的正确性。在此过程中，我正在记录片段，并希望使其对审阅者更具可读性。一些片段可能会变得相当大，这就是 pretty_print 如此出色的原因。

【问题讨论】：

您要求库帮助您创建不是 namespace-well-formed 的“XML”。它不会帮助你做到这一点，你不应该尝试这样做。
...但如果您只是真的希望不包含 unused 命名空间声明，那么您的请求会更合理。他们的存在并没有错——只是不必要的，而且可以说是难看的。
我很清楚 lxml 添加它们并没有错。这不是我要问的问题。我想打印原始文档的片段。这样做的全部目的不是关于有效的 xml，而是关于打印 xml 的部分。
然后编写自己的序列化程序。也许你可以破解 lxml 中的那个来满足你的需要。只要意识到您的需求是非标准的并导致不可互操作的标记。确实，如果没有为您的特殊需求提供合理的解释，读者就会觉得您不了解命名空间，而且坦率地说，继续强调这一点，您不知道自己在做什么。

标签： python xml python-2.7 lxml

【解决方案1】：

您可以使用 Python 正则表达式模块 (re)。有一个function for substitution。所以你可以用空字符串替换命名空间。

import re

print re.sub(' xmlns:\w+="[^"]+"', '', xmlstr)

【讨论】：

我想过这样做。感觉有点脏。