使用ElementTree解析带有命名空间的XML字符串

Question

我用谷歌搜索我的裤子无济于事。 我想要做的非常简单：我想使用ElementTree访问字符串中包含的以下XML中的UniqueID值。

from xml.etree.ElementTree import fromstring

xml_string = """<ListObjectsResponse xmlns='http://www.example.com/dir/'>
        <Item>
                <UniqueID>abcdefghijklmnopqrstuvwxyz0123456789</UniqueID>
        </Item>
</ListObjectsResponse>"""

NS = "http://www.example.com/dir/"

tree = fromstring(xml_string)

我知道我应该使用fromstring方法来解析XML字符串，但我似乎无法确定如何访问UniqueID。 我不确定如何使用与命名空间相关的find ， findall或findtext方法。

任何帮助都完全赞赏。

Answer 1

以下内容应该让你前进：

>>> tree.findall('*/*')
[<Element '{http://www.example.com/dir/}UniqueID' at 0x10899e450>]

这将列出树的根下面两层的所有元素（在您的情况下为UniqueID元素）。 或者，您可以使用tree.find()查找此级别的第一个元素。 然后，您可以直接获取UniqueID元素的文本内容：

>>> unique_id_elmt = tree.find('*/*')  # First (and only) element two levels below the root
>>> unique_id_elmt
<Element '{http://www.example.com/dir/}UniqueID' at 0x105ec9450>
>>> unique_id_elmt.text  # Text contained in UniqueID
'abcdefghijklmnopqrstuvwxyz0123456789'

或者，您可以通过指定其完整路径直接找到一些精确元素：

>>> tree.find('{{{0}}}Item/{{{0}}}UniqueID'.format(NS))  # Tags are prefixed with NS
<Element '{http://www.example.com/dir/}UniqueID' at 0x10899ead0>

正如Tomalak所说， Fredrik Lundh的网站可能包含有用的信息; 你想检查如何处理前缀 ：实际上可能有一种更简单的方法来处理它们，而不是通过在上面的方法中明确NS路径。

Answer 2

我知道会有一些恐怖和沮丧的叫喊我的回答作为报复，因为我使用模块重新分析XML字符串，但请注意：

• 在大多数情况下，以下解决方案不会造成任何问题

• 我希望知情人员能举例说明导致我的解决方案出现问题的案例

• 我不解析字符串，在“分析树之前获取树以找到搜索的内容”的意义上采用“解析”一词; 我分析一下：我直接找到了文本的小部分

我不假装必须在re的帮助下分析XML字符串。 在大多数情况下，可能必须使用专用解析器解析XML字符串。 我只是说，在像这样的简单情况下，可以进行简单快速的分析，使用正则表达式工具更容易，顺便说一句，它更快。

import re

xml_string = """<ListObjectsResponse xmlns='http://www.example.com/dir/'>
        <Item>
                <UniqueID>abcdefghijklmnopqrstuvwxyz0123456789</UniqueID>
        </Item>
</ListObjectsResponse>"""

print xml_string
print '\n=================================\n'

print re.search('<UniqueID>(.+?)</UniqueID>', xml_string, re.DOTALL).group(1)

结果

<ListObjectsResponse xmlns='http://www.example.com/dir/'>
        <Item>
                <UniqueID>abcdefghijklmnopqrstuvwxyz0123456789</UniqueID>
        </Item>
</ListObjectsResponse>

=================================

abcdefghijklmnopqrstuvwxyz0123456789