具有相同 URL 的两个不同 XML 命名空间

Question

我正在尝试使用 python 中的 xml 元素树库进行一些数据清理。

我的 xml 输入文件如下所示：

<?xml version="1.0" encoding="UTF-8"?>
<mods:mods xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" version="3.5" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-5.xsd">
  <mods:titleInfo>
    <mods:title>1971, Human Events</mods:title>
  </mods:titleInfo>
  <mods:name type="personal" authority="naf" valueURI="https://lccn.loc.gov/n88172648">
    <mods:namePart>Kellems, Vivien, 1896-1975</mods:namePart>
    <mods:role>
      <mods:roleTerm authority="marcrelator" authorityURI="http://id.loc.gov/vocabulary/relators" valueURI="http://id.loc.gov/vocabulary/relators/col" type="text">Collector</mods:roleTerm>
    </mods:role>
  </mods:name>
  <mods:typeOfResource>text</mods:typeOfResource>
  <mods:genre authority="aat" valueURI="300111999">publications (documents)</mods:genre>
  <mods:originInfo>
    <mods:dateIssued encoding="w3cdtf" keyDate="yes">1971</mods:dateIssued>
  </mods:originInfo>
  <mods:physicalDescription>
    <mods:digitalOrigin>reformatted digital</mods:digitalOrigin>
    <mods:internetMediaType>image/jp2</mods:internetMediaType>
  </mods:physicalDescription>
  <mods:note type="ownership">Archives &amp; Special Collections at the Thomas J. Dodd Research Center, University of Connecticut Library</mods:note>
  <mods:identifier type="local">1992-0033/SeriesIII:Activism/SubseriesA:PoliticalCampaigns/Box138:6</mods:identifier>
  <mods:identifier type="local">MSS 1992.0033</mods:identifier>
  <mods:identifier type="local">39153030468468</mods:identifier>
  <mods:accessCondition type="use and reproduction">In Copyright</mods:accessCondition>
  <mods:recordInfo>
    <mods:recordContentSource>University of Connecticut Library</mods:recordContentSource>
    <mods:recordCreationDate encoding="w3cdtf">2018-07-09-04:00</mods:recordCreationDate>
    <mods:languageOfCataloging>
      <mods:languageTerm authority="iso639-2b" type="code">eng</mods:languageTerm>
    </mods:languageOfCataloging>
  </mods:recordInfo>
  <mods:note type="source note">Vivien Kellems Papers</mods:note>
  <mods:note type="source identifier">MSS 1992.0033</mods:note>
  <identifier type="hdl">http://hdl.handle.net/11134/20002:860633493</identifier>
</mods:mods>

我所要做的就是更改末尾的标识符标签，使其具有与其余标签相同的前缀，即“mods”前缀。 并将特定的 hlink 属性添加到 accessCondition 标记。 我已经成功地完成了这两件事。 但是在我将这些修改写回文件并尝试使用 xml 元素树解析器后，我收到以下错误：

xml.etree.ElementTree.ParseError: unbound prefix: line 25, column 2

现在我认为这是一个命名空间问题，因为“xmlns:mods”命名空间和“xmlns”命名空间具有相同的 url，所以当我将命名空间注册到解析器时，如下所示：

ET.register_namespace('', "http://www.loc.gov/mods/v3")
ET.register_namespace('mods', "http://www.loc.gov/mods/v3")
ET.register_namespace('xlink', "http://www.w3.org/1999/xlink")
ET.register_namespace('xsi', "http://www.w3.org/2001/XMLSchema-instance")

当我写回 xml 文件时，它还会删除其中一个命名空间，命名空间声明如下所示：

<mods:mods xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" version="3.5" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-5.xsd">

即，“xmlns”声明。 仅显示“xmlns:mods”声明。 我再次认为这是由于它们具有相同的网址。 有没有什么办法解决这一问题。 任何帮助，将不胜感激。

Answer 1

http://www.loc.gov/mods/v3是命名空间。 mods只不过是一个缩写（又名“前缀”）。 您可以根据需要为 XML 文档中的同一名称空间使用任意多个不同的缩写。

例如：

<something xmlns="http://www.loc.gov/mods/v3">
  <mods:something_else xmlns:mods="http://www.loc.gov/mods/v3" />
  <blah:another_thing xmlns:blah="http://www.loc.gov/mods/v3" />
  <last_thing />
</something>

和

<mods:something xmlns:mods="http://www.loc.gov/mods/v3" xmlns:blah="http://www.loc.gov/mods/v3">
  <something_else xmlns="http://www.loc.gov/mods/v3" />
  <mods:another_thing />
  <blah:last_thing />
</mods:something>

和任意数量的其他组合代表完全相同的文档。

当它们被解析，然后再次序列化时，所有这些命名空间声明可以完全保持原样，或者它们可以折叠成一个，前缀可以重命名为ns0 ，或者它可以变成默认命名空间 -没关系。 这完全取决于 XML 库的实现方式。

只要结果文档中的每个元素都在http://www.loc.gov/mods/v3命名空间中，就任何相关指标而言，它都是同一个文档：

<something xmlns="http://www.loc.gov/mods/v3">
  <something_else />
  <another_thing  />
  <last_thing />
</something>

换句话说，没有什么坏掉的，所以没有什么需要修理的。