使用 lxml 保留子元素名称空间序列化

Question

我有一些不同的 XML 文档，我正在尝试使用 lxml 将它们合并为一个。问题是我需要结果来保留每个子文档根节点上的名称空间。 Lxml 似乎想要将多次使用的任何命名空间声明推送到新文档的根目录，这会破坏我的应用程序（这是一个公认的错误）。

例如，我有文档 A:

<dc xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/">
   <title>La difesa della razza: scienza, documentazione, polemica. anno 1:n. 1</title>
</dc>

和文档 B:

<mods xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<titleInfo>
    <nonSort>La</nonSort>
        <title>difesa della razza</title>
        <subTitle>scienza, documentazione, polemica</subTitle>
        <partNumber>anno 1:n. 1</partNumber>
</titleInfo>
</mods>

我想将它们包装在一个也使用 xsi:schemaLocation 的元素中，但我需要命名空间声明 (xmlns:xsi="http://www.w3.org /2001/XMLSchema-instance") 出现在所有三个节点中，如下所示：

<wrap xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.example.org" xmlns:dc="http://www.foo.org" xmlns:mods="http://www.bar.org">

    <dc:dc xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/">
       <dc:title>La difesa della razza: scienza, documentazione, polemica. anno 1:n. 1</dc:title>
    </dc:dc>

    <mods:mods xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
    <mods:titleInfo>
        <mods:nonSort>La</mods:nonSort>
            <mods:title>difesa della razza</mods:title>
            <mods:subTitle>scienza, documentazione, polemica</mods:subTitle>
            <mods:partNumber>anno 1:n. 1</mods:partNumber>
    </mods:titleInfo>
    </mods:mods>
</wrap>

但是，当我使用 Python/lxml 附加这两个文档时，

wrap.append(dc)
wrap.append(mods)

我将声明推到使用它的最高级别节点。不幸的是，这对我的应用程序来说是一个问题。像这样：

<wrap xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.example.org" xmlns:dc="http://www.foo.org" xmlns:mods="http://www.bar.org">

    <dc:dc xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/">
       <dc:title>La difesa della razza: scienza, documentazione, polemica. anno 1:n. 1</dc:title>
    </dc:dc>

    <mods:mods xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
    <mods:titleInfo>
        <mods:nonSort>La</mods:nonSort>
            <mods:title>difesa della razza</mods:title>
            <mods:subTitle>scienza, documentazione, polemica</mods:subTitle>
            <mods:partNumber>anno 1:n. 1</mods:partNumber>
    </mods:titleInfo>
    </mods:mods>
</wrap>

有什么想法可以强制我想要的行为吗？

谢谢

Answer 1

您可以尝试先插入 XInclude 元素，然后使用 .xinclude() 方法解析它们（请参阅 文档）。这似乎保留了名称空间声明（lxml 在它们源自解析器时保留它们，但当您自己创建元素或将元素从一个文档移动到另一个文档时则不会保留它们）

请注意，在您的情况下，您仍然需要更改标签名称元素的：它们将像原始文档中一样包含在内，没有任何命名空间，而您似乎已将它们更改为输出中的命名空间元素名称。

您可能必须使用自定义解析器，与文档看起来相反可以说 .xinclude() 不支持这一点（它确实使用解析器中的解析器来解析包含文档，它只是不支持将特定解析器或解析器传递给 XInclude 处理）。

另一种选择可能是基于 xslt 的解决方案。