在Python中遍历没有名称空间的XML树

Question

我正在解析一个大型XML文件，该文件本质上包含一个表。 XML中的节点并不总是具有名称。 嵌套在几个标签内的基本上是一个类似HTML的表，其中<TD>包含行（ <TR> ）标签内的原始（数字）数据。 现在，在我可以遍历表之前，有一堆我不感兴趣的元数据标签。例如：

<?xml version="1.0" ?>
<soap:Envelope xmlns:soap="--ommitted--" xmlns:xsi="--ommitted--">
    <soap:Body>
        <FetchReportResponse xmlns="URL1">
            <FetchReportResult xmlns="URL2">
                <REPORT>
                    <TITLE>CROSS VISITING REPORT</TITLE>
                    <SUBTITLE/>
                    <SUMMARY>
                        <GEOGRAPHY>--ommitted--</GEOGRAPHY>
                        <LOCATION>--ommitted--</LOCATION>
                        <TIMEPERIOD>--ommitted--</TIMEPERIOD>
                        <TARGET>--ommitted--</TARGET>
                        <MEDIA>--ommitted--</MEDIA>
                        <DATE>--ommitted--</DATE>
                        <USER>--ommitted--</USER>
                    </SUMMARY>
                    <TABLE>
                        <THEAD>
                            <TR>
                              <TH>--ommitted--</TH>
                              <TD>--ommitted--</TD>
                              <TD>--ommitted--</TD>
                              <TD>--ommitted--</TD>
                              <TD>--ommitted--</TD>
                              <TD>--ommitted--</TD>
                              <TD>--ommitted--</TD>

我是XML解析的新手，所以我一直关注这一点。 我有以下代码来读取XML文件并创建ElementTree对象。

import xml.etree.ElementTree as ET

tree = ET.parse('./../filename.xml')
print(root.find("./"))

可以理解，这将打印以下内容：

<Element '{http://schemas.xmlsoap.org/soap/envelope/}Envelope' at 0x00000230CAC23318>

但是，当我尝试使用XPath约定从现在开始遍历它时，我无能为力。 例如，

print(root.find("./Body"))

即使<Body>显然嵌套在<Envelope>内，也None打印。

编辑：按照马克·托隆宁（Mark Tolonen）的回答，我能够进入“ Body标签，但是我如何才能超越此范围？ 更具体地说，我想到达<TABLE>标记。

Answer 1

您需要完全限定的名称，因为它是soap:Body ，所以您想使用xmlns:soap值限定主体，该值（从您的Envelope示例中暗示）是：

print(root.find("./{http://schemas.xmlsoap.org/soap/envelope/}Body"))

Answer 2

除了XPath部分，您还需要注意文档的Namespaces部分 ，因为您的XML包含带有和不带有前缀的各种名称空间（后者称为默认名称空间）。 请注意， TABLE元素从具有默认命名空间FetchReportResult的最近祖先继承了命名空间。 因此，要查找TABLE您需要使用大括号语法或前缀URI字典，使用默认的名称空间URI "URL2" ：

ns = { "u2": "URL2" }
tables = root.findall(".//u2:TABLE", ns)

在Python中遍历没有名称空间的XML树

问题描述

2 个解决方案

解决方案1
1 2018-01-21 21:46:42

解决方案2
1 已采纳 2018-01-22 02:26:32

在Python中遍历没有名称空间的XML树

问题描述

2 个解决方案

解决方案1 1 2018-01-21 21:46:42

解决方案2 1 已采纳 2018-01-22 02:26:32

解决方案1
1 2018-01-21 21:46:42

解决方案2
1 已采纳 2018-01-22 02:26:32