如何在不移动命名空间的情况下使用Python的ElementTree解析和编写XML？

Question

我们的项目来自这种形式的上游XML：

<?xml version="1.0" encoding="utf-8"?>
<configuration>
  <runtime>
    <assemblyBinding xmlns="urn:schemas-microsoft-com:asm.v1">
      <dependentAssembly>
        <assemblyIdentity name="Newtonsoft.Json" publicKeyToken="30ad4fe6b2a6aeed" culture="neutral" />
        <bindingRedirect oldVersion="0.0.0.0-6.0.0.0" newVersion="7.0.0.0" />
      </dependentAssembly>
    </assemblyBinding>
  </runtime>
  <appSettings>
    <add key="foo" value="default">
    ...
  </appSettings>
</configuration>

然后它使用ElementTree读取/解析此XML，然后对于匹配某个键（“foo”）的每个app设置，它会写入一个新值， 它知道上游进程没有（在这种情况下键为“foo”）应该有值“bar”）。

使用过滤后的XML的下游进程是aaahhhh ...... 脆弱的 。 它期望接收XML在上面那样的形式。

如果我在没有注册命名空间的情况下解析这个XML，那么ElementTree就会在输入上修改我的树：

<configuration xmlns:ns0="urn:schemas-microsoft-com:asm.v1">
  <runtime>
  <ns0:assemblyBinding>
    <ns0:dependentAssembly>
      <ns0:assemblyIdentity culture="neutral" name="Newtonsoft.Json" publicKeyToken="30ad4fe6b2a6aeed" />
      <ns0:bindingRedirect newVersion="7.0.0.0" oldVersion="0.0.0.0-6.0.0.0" />
    </ns0:dependentAssembly>
  </ns0:assemblyBinding>
 </runtime>
 <appSettings>
    <add key="foo" value="default">
    ...
 </appSettings>
</configuration>

下游流程无法解决这个问题，因为从语义上讲，这并不是一件容易理解的事情。 所以，我决定注册我知道上游进程将提供的命名空间作为默认命名空间，以避免前缀出现在任何地方，现在我得到这个：

<configuration xmlns="urn:schemas-microsoft-com:asm.v1">
 <runtime>
  <assemblyBinding>
    <dependentAssembly>
      <assemblyIdentity culture="neutral" name="Newtonsoft.Json" publicKeyToken="30ad4fe6b2a6aeed" />
      <bindingRedirect newVersion="7.0.0.0" oldVersion="0.0.0.0-6.0.0.0" />
    </dependentAssembly>
  </assemblyBinding>
 </runtime>
 <appSettings>
    <add key="foo" value="default">
    ...
 </appSettings>
</configuration>

我对XML知之甚少，但这也是下游组件的呐喊，而且在我看来，现在并不意味着这个默认的xmlns现在适用于<configuration> 所有包含元素，而之前它只应用于<assemblyBinding>元素？

无论如何， 使用ElementTree来处理这个命名空间，以便我可以接受上游的XML，设置foo的值，然后在下游传递它，而不移动命名空间，并完全按照我发现的那样离开它？

• 我可以使用一个基于lxml的解决方案，它似乎处理这个问题， 但是 ，lxml依赖于C，下游组件真的不想支持它：纯Python解决方案更可取。

• 我可以将文档读作HTML，忽略命名空间属性，让我操纵我想要的值，然后传递文档; 但是 ，我还没有找到一个不会包含所有元素名称的Python解析器，而我的下游组件需要保留所有元素名称的大小写。

• 我可以使用字符串解析和正则表达式。 我宁愿不写我自己的解析器。

到目前为止我在ElementTree中找到关于名称空间处理的唯一建议是建议“注册默认名称空间以避免前缀”方法，我认为这种方法是合适的，但ElementTree则坚持在转储时将xmlns声明移动到根节点。

我也可以巧妙地建立一个字符串，将树分阶段转储出来，并按照正确的顺序将xmlns声明放回“正确的节点”，但这也让我感到非常脆弱。

有没有人设法通过这样的问题？

Answer 1

据我所知，更适合您需求的解决方案是使用xml.etree.ElementTree公开的功能编写纯Python自定义呈现。 这是一个可能的解决方案：

from xml.etree import ElementTree as ET
from re import findall, sub

def render(root, buffer='', namespaces=None, level=0, indent_size=2, encoding='utf-8'):
    buffer += f'<?xml version="1.0" encoding="{encoding}" ?>\n' if not level else ''
    root = root.getroot() if isinstance(root, ET.ElementTree) else root
    _, namespaces = ET._namespaces(root) if not level else (None, namespaces)
    for element in root.iter():
        indent = ' ' * indent_size * level
        tag = sub(r'({[^}]+}\s*)*', '', element.tag)
        buffer += f'{indent}<{tag}'
        for ns in findall(r'{[^}]+}', element.tag):
            ns_key = ns[1:-1]
            if ns_key not in namespaces: continue
            buffer += ' xmlns' + (f':{namespaces[ns_key]}' if namespaces[ns_key] != '' else '') + f'="{ns_key}"'
            del namespaces[ns_key]
        for k, v in element.attrib.items():
            buffer += f' {k}="{v}"'
        buffer += '>' + element.text.strip() if element.text else '>'
        children = list(element)
        for child in children:
            sep = '\n' if buffer[-1] != '\n' else ''
            buffer += sep + render(child, level=level+1, indent_size=indent_size, namespaces=namespaces)
        buffer += f'{indent}</{tag}>\n' if 0 != len(children) else f'</{tag}>\n'
    return buffer

通过将您提供的XML数据发布到上面的render函数，如下所示：

data=\
'''<?xml version="1.0" encoding="utf-8"?>
<configuration>
  <runtime>
    <assemblyBinding xmlns="urn:schemas-microsoft-com:asm.v1">
      <dependentAssembly>
        <assemblyIdentity name="Newtonsoft.Json" publicKeyToken="30ad4fe6b2a6aeed" culture="neutral" />
        <bindingRedirect oldVersion="0.0.0.0-6.0.0.0" newVersion="7.0.0.0" />
      </dependentAssembly>
    </assemblyBinding>
  </runtime>
  <appSettings>
    <add key="foo" value="default" />
  </appSettings>
</configuration>'''

e = ET.fromstring(data)
ET.register_namespace('', "urn:schemas-microsoft-com:asm.v1")
r = ET.ElementTree(e)

您将获得以下生成的XML ，其中包含您声明要查找的属性：

<?xml version="1.0" encoding="utf-8" ?>
<configuration>
  <runtime>
    <assemblyBinding xmlns="urn:schemas-microsoft-com:asm.v1">
      <dependentAssembly>
        <assemblyIdentity name="Newtonsoft.Json" publicKeyToken="30ad4fe6b2a6aeed" culture="neutral"></assemblyIdentity>
        <bindingRedirect oldVersion="0.0.0.0-6.0.0.0" newVersion="7.0.0.0"></bindingRedirect>
      </dependentAssembly>
    </assemblyBinding>
  </runtime>
  <appSettings>
    <add key="foo" value="default"></add>
  </appSettings>
</configuration>

我知道我来参加晚会..无论如何希望这会帮助你和许多其他人有同样的问题，这里是一个很好的解决方案。 快乐的编码！