解析XML使用Python

Question

我有一個XML使用ElementTree的命名空間，它的小部分看起來是這樣的：

<?xml version="1.0" ?> 
<i:insert xmlns:i="urn:com:xml:insert" xmlns="urn:com:xml:data"> 
    <data> 
    <image imageId="1"></image> 
    <content>Content</content> 
    </data> 
</i:insert> 

當我把它用ElementTree並將其保存到一個文件，我看到以下解析：

<ns0:insert xmlns:ns0="urn:com:xml:insert" xmlns:ns1="urn:com:xml:data"> 
    <ns1:data> 
    <ns1:image imageId="1"></ns1:image> 
    <ns1:content>Content</ns1:content> 
    </ns1:data> 
</ns0:insert> 

爲什麼它會改變前綴並將它們放在任何地方？使用minidom我沒有這樣的問題。它是否配置？ ElementTree的文檔非常差。 問題是，我無法找到任何節點後，這樣的解析，例如image - 無法找到它有或沒有命名空間，如果我使用它像{namespace}image或只是image。爲什麼？任何建議，強烈感激。

什麼我已經嘗試過：

import xml.etree.ElementTree as ET 
tree = ET.parse('test.xml') 
root = tree.getroot() 
for a in root.findall('ns1:image'): 
    print a.attrib 

這會返回一個錯誤，而另一個沒有返回：

for a in root.findall('{urn:com:xml:data}image'): 
    print a.attrib 

我也試圖使命名空間像這樣使用它：

namespaces = {'ns1': 'urn:com:xml:data'} 
for a in root.findall('ns1:image', namespaces): 
    print a.attrib 

它什麼都沒有返回。我究竟做錯了什麼？

Answer 1

該片段從你的問題，

for a in root.findall('{urn:com:xml:data}image'): 
    print a.attrib 

不輸出任何東西，因爲它只會尋找樹的根的直接{urn:com:xml:data}image孩子。

這略微修改後的代碼，

for a in root.findall('.//{urn:com:xml:data}image'): 
    print a.attrib 

將打印{'imageId': '1'}，因爲它使用.//，它選擇在所有層面匹配的子元素。

參考：https://docs.python.org/2/library/xml.etree.elementtree.html#supported-xpath-syntax。

---

這是一個有點討厭的是ElementTree的不只是默認情況下，保留了原有的命名空間前綴，但請記住，這不是前綴此事反正。當序列化爲 XML時，register_namespace()函數可用於設置所需的前綴。該功能對解析或搜索沒有任何影響。

Answer 2

從我收集的內容來看，它與ET中的命名空間識別有關。

從這裏http://effbot.org/zone/element-namespaces.htm

當您保存元素樹XML，標準的元素串生成所有URI唯一的前綴：出現在樹秒。前綴通常具有「ns」後跟數字的形式。例如，上述元素可能會以「http://www.w3.org/1999/xhtml」的前綴ns0和「http://effbot.org/namespace/letters」的ns1作爲序列號。

如果您想要使用特定的前綴，可以在ElementTree模塊的全局表中添加前綴/ URI映射。在1.3及更高版本中，您可以通過調用register_namespace函數來完成此操作。在早期版本中，可以訪問直接內部表：

ElementTree的1.3

ET.register_namespace（前綴，URI）

ElementTree的1.2（Python 2.5中）

ET._namespace_map [URI] =前綴

請注意參數順序;該函數首先獲取前綴，而原始字典則從URI：s映射到前綴。