LXML etree xmlparser إزالة مساحة الاسم غير المرغوب فيها

StackOverflow https://stackoverflow.com/questions/4255277

سؤال

لدي مستند XML أحاول تحليله باستخدام etree.lxml

<Envelope xmlns="http://www.example.com/zzz/yyy">
  <Header>
    <Version>1</Version>
  </Header>
  <Body>
    some stuff
  <Body>
<Envelope>

الكود الخاص بي هو:

path = "path to xml file"
from lxml import etree as ET
parser = ET.XMLParser(ns_clean=True)
dom = ET.parse(path, parser)
dom.getroot()

عندما أحاول الحصول على dom.getroot () أحصل على:

<Element {http://www.example.com/zzz/yyy}Envelope at 28adacac>

ومع ذلك أريد فقط:

<Element Envelope at 28adacac>

عندما أفعل 

dom.getroot().find("Body")

أحصل على أي شيء أعيد. ومع ذلك ، عندما أنا

dom.getroot().find("{http://www.example.com/zzz/yyy}Body")

أحصل على نتيجة.

اعتقدت أن تمرير ns_clean = صحيح أن المحلل قد يمنع هذا.

أيه أفكار؟

هل كانت مفيدة؟

المحلول 

import io
import lxml.etree as ET

content='''\
<Envelope xmlns="http://www.example.com/zzz/yyy">
  <Header>
    <Version>1</Version>
  </Header>
  <Body>
    some stuff
  </Body>
</Envelope>
'''    
dom = ET.parse(io.BytesIO(content))

يمكنك العثور xpath طريقة:

body=dom.xpath('//ns:Body',namespaces={'ns':'http://www.example.com/zzz/yyy'})
print(body)
# [<Element {http://www.example.com/zzz/yyy}Body at 90b2d4c>]

إذا كنت ترغب حقًا في إزالة مساحات الأسماء ، فيمكنك استخدام تحويل XSL:

# http://wiki.tei-c.org/index.php/Remove-Namespaces.xsl
xslt='''<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="xml" indent="no"/>

<xsl:template match="/|comment()|processing-instruction()">
    <xsl:copy>
      <xsl:apply-templates/>
    </xsl:copy>
</xsl:template>

<xsl:template match="*">
    <xsl:element name="{local-name()}">
      <xsl:apply-templates select="@*|node()"/>
    </xsl:element>
</xsl:template>

<xsl:template match="@*">
    <xsl:attribute name="{local-name()}">
      <xsl:value-of select="."/>
    </xsl:attribute>
</xsl:template>
</xsl:stylesheet>
'''

xslt_doc=ET.parse(io.BytesIO(xslt))
transform=ET.XSLT(xslt_doc)
dom=transform(dom)

هنا نرى أن مساحة الاسم قد تمت إزالة:

print(ET.tostring(dom))
# <Envelope>
#   <Header>
#     <Version>1</Version>
#   </Header>
#   <Body>
#     some stuff
#   </Body>
# </Envelope>

لذلك يمكنك الآن العثور على عقدة الجسم بهذه الطريقة:

print(dom.find("Body"))
# <Element Body at 8506cd4>

نصائح أخرى

حاول استخدام XPath:

dom.xpath("//*[local-name() = 'Body']")

أخذ (وتبسيط) من هذه الصفحة, ، تحت قسم "طريقة XPATH ()"

الحل الأخير من https://bitbucket.org/olauzanne/pyquery/issue/17 يمكن أن تساعدك على تجنب مساحات الأسماء مع القليل من الجهد

يتقدم xml.replace(' xmlns:', ' xmlnamespace:') إلى XML الخاص بك قبل استخدام pyquery ، سوف تتجاهل LXML مساحات الأسماء

في حالتك ، حاول xml.replace(' xmlns="', ' xmlnamespace="'). ومع ذلك ، قد تحتاج إلى شيء أكثر تعقيدًا إذا كانت السلسلة متوقعة في الهيئات أيضًا.

أنت تعرض نتيجة مكالمة repr (). عندما تنتقل برمجيًا عبر الشجرة ، يمكنك ببساطة اختيار تجاهل مساحة الاسم.

مرخصة بموجب: CC-BY-SA مع الإسناد
لا تنتمي إلى StackOverflow
scroll top