在Python中使用lxml解析ODF

Question

我正在尝试解析 ODF 文件内的 content.xml。我已将文件读入字符串，并且得到了一个带有 lxml.etree 的树对象：

tree = etree.XML(string)

但现在我需要找到 text:a 或 text:h 的每个子元素。在上一个问题中我被告知可以使用 XPath。我尝试过，但每次都被卡住了。甚至找不到这些元素之一。

如果我尝试：

elem = tree.xpath('//text:p')

I just get a

XPathEvalError: Undefined namespace prefix

那么，如何以正确的顺序获得包含这两个子元素的列表，以便我可以迭代它们？

Answer 1

这是因为 text 是命名空间缩写，在 ODF 架构。尝试

tree.xpath('//text:a | //text:h',
           namespaces={'text': 'urn:oasis:names:tc:opendocument:xmlns:text:1.0'})

| 是集合并集运算符。另请参阅 LXML 文档。