lxml etree xmlparser 删除不需要的命名空间

发布于 2024-10-03 18:41:40 字数 893 浏览 7 评论 0原文

我有一个 xml 文档，我试图使用 Etree.lxml 解析它，

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

我的代码是：

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

当我尝试获取 dom.getroot() 时，我得到：

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

但是我只想：

<Element Envelope at 28adacac>

当我这样做时，

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

我什么也没有返回。然而，当我

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

得到结果时。

我认为将 ns_clean=True 传递给解析器可以防止这种情况。

有什么想法吗？

原文

I have an xml doc that I am trying to parse using Etree.lxml

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

My code is:

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

When I try to get dom.getroot() I get:

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

However I only want:

<Element Envelope at 28adacac>

When i do

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

I get nothing returned. However, when I

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

I get a result.

I thought passing ns_clean=True to the parser would prevent this.

Any ideas?

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

财迷小姐 2024-10-10 18:41:41

来自 https://bitbucket.org/olauzanne/pyquery/issue/17 的最后一个解决方案可以帮助您轻松避免命名空间

在使用 pyquery 之前将 xml.replace(' xmlns:', ' xmlnamespace:') 应用于您的 xml，这样 lxml 将忽略名称空间

在您的情况下，请尝试 xml.replace(' xmlns="' , ' xmlnamespace="')。但是，如果正文中也需要字符串，则可能需要更复杂的东西。

回复收藏 0 原文

长安忆 2024-10-10 18:41:41

另一个不错的选择是使用 QName 帮助器并将其包装在具有默认命名空间的函数中：

from lxml import etree

DEFAULT_NS = 'http://www.example.com/zzz/yyy'

def tag(name, ns=DEFAULT_NS):
    return etree.QName(ns, name)

dom = etree.parse(path)
body = dom.getroot().find(tag('Body'))

Another not-too-bad option is to use the QName helper and wrap it in a function with a default namespace:

from lxml import etree

DEFAULT_NS = 'http://www.example.com/zzz/yyy'

def tag(name, ns=DEFAULT_NS):
    return etree.QName(ns, name)

dom = etree.parse(path)
body = dom.getroot().find(tag('Body'))

回复收藏 0 原文

心凉怎暖 2024-10-10 18:41:41

您正在显示 repr() 调用的结果。当您以编程方式浏览树时，您可以简单地选择忽略名称空间。

回复收藏 0 原文

待天淡蓝洁白时 2024-10-10 18:41:40

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))

您可以使用 xpath 方法找到命名空间感知节点：

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>]

如果您确实想要删除命名空间，您可以使用 XSL 转换：

# 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)

这里我们看到命名空间已被删除：

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

所以您现在可以找到主体节点这样：

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

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))

You can find namespace-aware nodes using the xpath method:

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>]

If you really want to remove namespaces, you could use an XSL transformation:

# 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)

Here we see the namespace has been removed:

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

So you can now find the Body node this way:

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

回复收藏 0 原文

画离情绘悲伤 2024-10-10 18:41:40

尝试使用 Xpath：

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

取自（并简化）此页面，位于“The xpath() method”下部分

Try using Xpath:

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

Taken (and simplified) from this page, under "The xpath() method" section

回复收藏 0 原文

~没有更多了~

关于作者

如日中天

暂无简介

文章

638 人气

关注发私信

吝吻

文章 0 评论 0

关注

Jasmine

文章 0 评论 0

关注

∞梦里开花

文章 0 评论 0

关注

阳光①夏

文章 0 评论 0

关注

暮念

文章 0 评论 0

关注

梦里泪两行

文章 0 评论 0

友情链接

文江博客

lxml etree xmlparser 删除不需要的命名空间

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

评论（5）

关于作者

相关话题

热门标签

推荐作者

吝吻

Jasmine

∞梦里开花

阳光①夏

暮念

梦里泪两行

友情链接

lxml etree xmlparser 删除不需要的命名空间

如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

评论（5）

关于作者

相关话题

热门标签

推荐作者

吝吻

Jasmine

∞梦里开花

阳光①夏

暮念

梦里泪两行

友情链接

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。