在标签上解析带有前缀的.xml？ xml.etree.ElementTree

Question

我可以读取标签，除非有前缀。 我没有运气搜索SO以前的问题。

我需要阅读media:content 。 我试过image = node.find("media:content") 。 Rss输入：

<channel>
  <title>Popular  Photography in the last 1 week</title>
  <item>
    <title>foo</title>
    <media:category label="Miscellaneous">photography/misc</media:category>
    <media:content url="http://foo.com/1.jpg" height="375" width="500" medium="image"/>
  </item>
  <item> ... </item>
</channel>

我可以读一个兄弟标签title 。

from xml.etree import ElementTree
with open('cache1.rss', 'rt') as f:
    tree = ElementTree.parse(f)

for node in tree.findall('.//channel/item'):
    title =  node.find("title").text 

我一直在使用文档，但仍然坚持'前缀'部分。

Answer 1

以下是使用ElementTree的 XML命名空间的示例：

>>> x = '''\
<channel xmlns:media="http://www.w3.org/TR/html4/">
  <title>Popular  Photography in the last 1 week</title>
  <item>
    <title>foo</title>
    <media:category label="Miscellaneous">photography/misc</media:category>
    <media:content url="http://foo.com/1.jpg" height="375" width="500" medium="image"/>
  </item>
  <item> ... </item>
</channel>
'''
>>> node = ElementTree.fromstring(x)
>>> for elem in node.findall('item/{http://www.w3.org/TR/html4/}category'):
        print elem.text


photography/misc

Answer 2

media是一个XML命名空间，必须先用xmlns:media="..."定义它。 有关如何在lxml中定义用于XPath表达式的xml命名空间，请参阅http://lxml.de/xpathxslt.html#namespaces-and-prefixes 。