lxml etree XMLParser entfernen unerwünschte Namespace

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

Frage

Ich habe ein XML-Dokument, dass ich zu analysieren versuchen Etree.lxml mit 

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

Mein Code ist: 

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

Wenn ich versuche, dom.getroot zu bekommen () erhalte ich: 

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

Jedoch habe ich nur wollen: 

<Element Envelope at 28adacac>

Wenn ich tun 

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

Ich bekomme nichts zurück. Allerdings, wenn ich 

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

ich ein Ergebnis bekommen.

dachte ich vorbei ns_clean = True an den Parser würde dies verhindern.

Irgendwelche Ideen?

War es hilfreich?

Lösung 

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))

Sie können Namespace-aware Knoten mit der xpath Methode finden: 

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>]

Wenn Sie wirklich Namespaces entfernen möchten, können Sie eine XSL-Transformation verwenden: 

# 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)

Hier sehen wir den Namensraum entfernt wurde: 

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

So können Sie nun den Körperknoten diese Weise finden: 

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

Andere Tipps

Versuchen Sie mithilfe von XPath: 

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

Taken (und vereinfacht) von dieser Seite unter "XPath () -Methode" -Abschnitt

Die letzte Lösung von https://bitbucket.org/olauzanne/pyquery/issue/17 kann Ihnen helfen, Namespaces mit wenig Aufwand zu vermeiden

  

anwenden xml.replace(' xmlns:', ' xmlnamespace:') auf Ihre xml vor der Verwendung pyquery so lxml ignorieren Namespaces

In Ihrem Fall versuchen xml.replace(' xmlns="', ' xmlnamespace="'). Aber man könnte etwas komplexer brauchen, wenn die Zeichenfolge in dem Körper als auch zu erwarten ist.

Sie zeigen das Ergebnis des repr () -Aufruf. Wenn Sie programmatisch durch den Baum bewegen, können Sie wählen einfach den Namensraum zu ignorieren.

Lizenziert unter: CC-BY-SA mit Zuschreibung
Nicht verbunden mit StackOverflow
scroll top