使用 ElementTree 解析带有命名空间的 XML 字符串

Question

我用谷歌搜索了我的裤子，但无济于事。我想做的很简单：我想使用 ElementTree 访问包含在字符串中的以下 XML 中的 UniqueID 值。

from xml.etree.ElementTree import fromstring

xml_string = """<ListObjectsResponse xmlns='http://www.example.com/dir/'>
        <Item>
                <UniqueID>abcdefghijklmnopqrstuvwxyz0123456789</UniqueID>
        </Item>
</ListObjectsResponse>"""

NS = "http://www.example.com/dir/"

tree = fromstring(xml_string)

我知道我应该使用fromstring 方法来解析XML 字符串，但我似乎无法确定如何访问UniqueID。对于命名空间，我不确定如何使用find、findall 或findtext 方法。

非常感谢任何帮助。

Answer 1

以下内容应该可以帮助您：

>>> tree.findall('*/*')
[<Element '{http://www.example.com/dir/}UniqueID' at 0x10899e450>]

这列出了位于树根下两层的所有元素（在您的情况下为 UniqueID 元素）。或者，您可以使用tree.find() 在此级别仅找到 first 元素。然后就可以直接获取UniqueID元素的文本内容了：

>>> unique_id_elmt = tree.find('*/*')  # First (and only) element two levels below the root
>>> unique_id_elmt
<Element '{http://www.example.com/dir/}UniqueID' at 0x105ec9450>
>>> unique_id_elmt.text  # Text contained in UniqueID
'abcdefghijklmnopqrstuvwxyz0123456789'

或者，您可以通过指定其full path 来直接查找某些精确元素：

>>> tree.find('{{{0}}}Item/{{{0}}}UniqueID'.format(NS))  # Tags are prefixed with NS
<Element '{http://www.example.com/dir/}UniqueID' at 0x10899ead0>

正如 Tomalak 所指出的，Fredrik Lundh's site 可能包含有用的信息；您想检查如何处理 前缀：实际上可能有比在上述方法中显式指定 NS 路径更简单的方法来处理它们。

Answer 2

我知道我的回答会引起一些恐惧和反对作为报复，因为我使用模块 re 来分析 XML 字符串，但请注意：

• 在大多数情况下，以下解决方案不会造成任何问题

• 我希望投反对票的人能举例说明导致我的解决方案出现问题的案例

• 我不解析字符串，使用“解析”一词的含义是“在分析树以查找要搜索的内容之前获取树”；我分析一下：我直接找到了文本中想要的部分

我并不假装必须始终在 re 的帮助下分析 XML 字符串。在大多数情况下，可能必须使用专用解析器解析 XML 字符串。我只是说，在这种简单的情况下，可以进行简单快速的分析，使用正则表达式工具更容易，顺便说一下，速度更快。

import re

xml_string = """<ListObjectsResponse xmlns='http://www.example.com/dir/'>
        <Item>
                <UniqueID>abcdefghijklmnopqrstuvwxyz0123456789</UniqueID>
        </Item>
</ListObjectsResponse>"""

print xml_string
print '\n=================================\n'

print re.search('<UniqueID>(.+?)</UniqueID>', xml_string, re.DOTALL).group(1)

结果

<ListObjectsResponse xmlns='http://www.example.com/dir/'>
        <Item>
                <UniqueID>abcdefghijklmnopqrstuvwxyz0123456789</UniqueID>
        </Item>
</ListObjectsResponse>

=================================

abcdefghijklmnopqrstuvwxyz0123456789