在 python 中从 XML 中提取项目列表

Question

在 python 中，从以下 xml 中提取项目列表的最佳方法是什么？

<iq xmlns="jabber:client" to="__anonymous__admin@localhost/8978528613056092673206" 
 from="conference.localhost" id="disco" type="result">
    <query xmlns="http://jabber.org/protocol/disco#items">
        <item jid="[email protected]" name="pgatt (1)"/>
        <item jid="[email protected]" name="pgatt (1)"/>
    </query>
</iq>

我通常将 lxml 与 xpath 一起使用，但在这种情况下它不起作用。我认为我的问题是由于命名空间造成的。我不喜欢 lxml，并且愿意使用任何库。

我想要一个足够强大的解决方案，如果 xml 的一般结构发生变化，它不会失败。

Answer 1

我不确定 lxml 但您可以使用 //*[local-name()="item"] 之类的表达式来提取 item 元素，无论其命名空间如何。

您可能还想查看 Amara 进行 XML 处理。

>>> import amara.bindery
>>> doc = amara.bindery.parse(
...     '''<iq xmlns="jabber:client" 
...          to="__anonymous__admin@localhost/8978528613056092673206"
...          from="conference.localhost" id="disco" type="result">
...          <query xmlns="http://jabber.org/protocol/disco#items">
...            <item jid="[email protected]" name="pgatt (1)"/>
...            <item jid="[email protected]" name="pgatt (1)"/>
...          </query>
...        </iq>''')
>>> for item in doc.iq.query.item:
...   print item.jid, item.name
...
[email protected] pgatt (1)
[email protected] pgatt (1)
>>>

一旦我发现了 Amara，我就再也不会考虑以任何其他方式处理 XML。

Answer 2

我之前回答过一个类似的问题，关于如何解析和搜索 xml 数据。

全文搜索 XML 数据Python：最佳实践、优点和优点缺点

您需要查看 xml2json 函数。
该函数需要一个 minidom 对象。这就是我获取 xml 的方式，不知道你是如何做到的。

from xml.dom import minidom
x = minidom.parse(urllib.urlopen(url))
json = xml2json(x)

或者，如果您使用字符串而不是 url：

x = minidom.parseString(xml_string)
json = xml2json(x)

xml2json 函数将返回一个字典，其中包含在 xml 中找到的所有值。您可能需要尝试一下并打印输出以查看布局是什么样的。

Answer 3

我错过了这趟船，但这是在关心命名空间的同时如何做到这一点的。

您可以在查询中将它们全部拼写出来，也可以自己制作一个名称空间映射并将其传递给 xpath 查询。

from lxml import etree

data = """<iq xmlns="jabber:client" to="__anonymous__admin@localhost/8978528613056092673206"
 from="conference.localhost" id="disco" type="result">
    <query xmlns="http://jabber.org/protocol/disco#items">
        <item jid="[email protected]" name="pgatt (1)"/>
        <item jid="[email protected]" name="pgatt (1)"/>
    </query>
</iq>"""

nsmap = {
  'jc': "jabber:client",
  'di':"http://jabber.org/protocol/disco#items"
}

doc = etree.XML(data)

for item in doc.xpath('//jc:iq/di:query/di:item',namespaces=nsmap):
  print etree.tostring(item).strip()
  print "Name: %s\nJabberID: %s\n" % (item.attrib.get('name'),item.attrib.get('jid'))

生产：

<item xmlns="http://jabber.org/protocol/disco#items" jid="[email protected]" name="pgatt (1)"/>
Name: pgatt (1)
JabberID: [email protected]

<item xmlns="http://jabber.org/protocol/disco#items" jid="[email protected]" name="pgatt (1)"/>
Name: pgatt (1)
JabberID: [email protected]