使用 ElementTree 保存 XML 文件

Question

我正在尝试开发简单的 Python (3.2) 代码来读取 XML 文件，进行一些更正并将它们存储回来。但是，在存储步骤中，ElementTree 添加了此命名空间术语。例如：

<ns0:trk>
  <ns0:name>ACTIVE LOG</ns0:name>
<ns0:trkseg>
<ns0:trkpt lat="38.5" lon="-120.2">
  <ns0:ele>6.385864</ns0:ele>
  <ns0:time>2011-12-10T17:46:30Z</ns0:time>
</ns0:trkpt>
<ns0:trkpt lat="40.7" lon="-120.95">
  <ns0:ele>5.905273</ns0:ele>
  <ns0:time>2011-12-10T17:46:51Z</ns0:time>
</ns0:trkpt>
<ns0:trkpt lat="43.252" lon="-126.453">
  <ns0:ele>7.347168</ns0:ele>
  <ns0:time>2011-12-10T17:52:28Z</ns0:time>
</ns0:trkpt>
</ns0:trkseg>
</ns0:trk>

代码片段如下：

def parse_gpx_data(gpxdata, tzname=None, npoints=None, filter_window=None,
                   output_file_name=None):
        ET = load_xml_library();

    def find_trksegs_or_route(etree, ns):
        trksegs=etree.findall('.//'+ns+'trkseg')
        if trksegs:
            return trksegs, "trkpt"
        else: # try to display route if track is missing
            rte=etree.findall('.//'+ns+'rte')
            return rte, "rtept"

    # try GPX10 namespace first
    try:
        element = ET.XML(gpxdata)
    except ET.ParseError as v:
        row, column = v.position
        print ("error on row %d, column %d:%d" % row, column, v)

    print ("%s" % ET.tostring(element))
    trksegs,pttag=find_trksegs_or_route(element, GPX10)
    NS=GPX10
    if not trksegs: # try GPX11 namespace otherwise
        trksegs,pttag=find_trksegs_or_route(element, GPX11)
        NS=GPX11
    if not trksegs: # try without any namespace
        trksegs,pttag=find_trksegs_or_route(element, "")
        NS=""

    # Store the results if requested
    if output_file_name:
        ET.register_namespace('', GPX11)
        ET.register_namespace('', GPX10)
        ET.ElementTree(element).write(output_file_name, xml_declaration=True)

    return;

我尝试使用register_namespace，但没有得到积极的结果。 此版本的 ElementTree 1.3 有什么具体变化吗？

Answer 1

为了避免 ns0 前缀，应在读取 XML 数据之前设置默认命名空间。

ET.register_namespace('', "http://www.topografix.com/GPX/1/1")
ET.register_namespace('', "http://www.topografix.com/GPX/1/0")

Answer 2

在解析 xml 文件之前，您需要注册所有名称空间。

例如：如果你有这样的输入 xml
功能是元素树的根。

<Capabilities xmlns="http://www.opengis.net/wmts/1.0"
    xmlns:ows="http://www.opengis.net/ows/1.1"
    xmlns:xlink="http://www.w3.org/1999/xlink"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xmlns:gml="http://www.opengis.net/gml"
    xsi:schemaLocation="http://www.opengis.net/wmts/1.0 http://schemas.opengis.net/wmts/1.0/wmtsGetCapabilities_response.xsd"
    version="1.0.0">

然后，您必须注册所有名称空间，即使用 xmlns 存在的属性，如下所示：

ET.register_namespace('', "http://www.opengis.net/wmts/1.0")
ET.register_namespace('ows', "http://www.opengis.net/ows/1.1")
ET.register_namespace('xlink', "http://www.w3.org/1999/xlink")
ET.register_namespace('xsi', "http://www.w3.org/2001/XMLSchema-instance")
ET.register_namespace('gml', "http://www.opengis.net/gml")

Answer 3

如果您尝试打印根目录，您将看到如下内容：
http://www.host.domain/path/to/your/xml/namespace}RootTag' at 0x0000000000558DB8>

因此，为了避免 ns0 前缀，您必须在解析 XML 数据之前更改默认命名空间，如下所示：

ET.register_namespace('', "http://www.host.domain/path/to/your/xml/namespace")

Answer 4

看来您必须声明您的名称空间，这意味着您需要将 xml 的第一行从：更改

<ns0:trk>

为：

<ns0:trk xmlns:ns0="uri:">

一旦这样做，您将不再得到 ParseError: for unbound prefix: ..., and:

elem.tag = elem.tag[(len('{uri:}'):]

将删除命名空间。

Answer 5

或者你可以用正则表达式将其去掉：

def remove_xml_namespace(xml_str: str) -> str:
    xml_str = re.sub(r"<([^:]+):(\w+).+(?=xmlns)[^>]+>([\s\S]*)</(\1):(\2)>", r"\3", xml_str)
    # replace namespace elements from end tag
    xml_str = re.sub(r"</[^:]*:", r"</", xml_str)
    # replace namespace from start tags
    xml_str = re.sub(r"<[^/][^:]*:([^/>]*)(/?)>", r"<\1\2>", xml_str)
    return xml_str