lxml etree xmlparser 删除不需要的命名空间
[英]lxml etree xmlparser remove unwanted namespace
问题描述
I have an xml doc that I am trying to parse using Etree.lxml
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>
My code is: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()
When I try to get dom.getroot() I get:当我尝试获取 dom.getroot() 时，我得到：
<Element {http://www.example.com/zzz/yyy}Envelope at 28adacac>
However I only want:但是我只想要：
<Element Envelope at 28adacac>
When i do当我做
dom.getroot().find("Body")
I get nothing returned.我什么也没得到。 However, when I然而，当我
dom.getroot().find("{http://www.example.com/zzz/yyy}Body")
I get a result.我得到一个结果。
I thought passing ns_clean=True to the parser would prevent this.我认为将 ns_clean=True 传递给解析器会阻止这种情况。
Any ideas?有任何想法吗？
5 个解决方案
解决方案1
52 已采纳 2010-11-23 12:41:23
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))
You can find namespace-aware nodes using the xpath method: 您可以使用xpath方法找到名称空间感知节点：
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>]
If you really want to remove namespaces, you could use an XSL transformation: 如果您确实要删除名称空间，则可以使用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)
Here we see the namespace has been removed: 在这里，我们看到名称空间已被删除：
print(ET.tostring(dom))
# <Envelope>
# <Header>
# <Version>1</Version>
# </Header>
# <Body>
# some stuff
# </Body>
# </Envelope>
So you can now find the Body node this way: 现在，您可以通过以下方式找到“身体”节点：
print(dom.find("Body"))
# <Element Body at 8506cd4>
解决方案2
29 2010-11-23 12:29:39
解决方案3
1 2011-07-01 09:40:52
The last solution from https://bitbucket.org/olauzanne/pyquery/issue/17 can help you to avoid namespaces with little effort 来自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
apply
xml.replace(' xmlns:', ' xmlnamespace:')to your xml before using pyquery so lxml will ignore namespacesxml.replace(' xmlns:', ' xmlnamespace:')应用于您的xml，以便lxml会忽略名称空间
In your case, try xml.replace(' xmlns="', ' xmlnamespace="') . 在您的情况下，请尝试xml.replace(' xmlns="', ' xmlnamespace="') 。 However, you might need something more complex if the string is expected in the bodies as well. 但是，如果字符串也在主体中，则可能需要更复杂的东西。
解决方案4
0 2022-01-24 11:43:39
Another not-too-bad option is to use the QName helper and wrap it in a function with a default namespace: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, tag)
dom = etree.parse(path)
body = dom.getroot().find(tag('Body'))
解决方案5
-2 2010-11-23 11:00:45
You're showing the result of the repr() call. 您正在显示repr（）调用的结果。 When you programmatically move through the tree, you can simply choose to ignore the namespace. 当您以编程方式遍历树时，只需选择忽略名称空间即可。
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.