lxml etree xmlparser删除不需要的名称空间

一尘不染

lxml etree xmlparser删除不需要的名称空间

python

我有一个XML文档，我正在尝试使用Etree.lxml进行解析

<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>

但是我只想要：

<Element Envelope at 28adacac>

当我做

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

我什么也得不到。但是，当我

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

我得到结果。

我认为将ns_clean = True传递给解析器将防止这种情况。

有任何想法吗？

阅读 130

2020-12-20

共1个答案

一尘不染

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))

您可以使用以下xpath方法找到可识别名称空间的节点：

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>]

如果您确实要删除名称空间，则可以使用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)

在这里，我们看到名称空间已被删除：

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

现在，您可以通过以下方式找到“身体”节点：

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

2020-12-20