Python利用名稱空間解析XML文件
阿新 • • 發佈：2020-08-11
問題
你想解析某個XML文件，文件中使用了XML名稱空間。
解決方案
考慮下面這個使用了名稱空間的文件：
<?xml version="1.0" encoding="utf-8"?>
<top>
<author>David Beazley</author>
<content>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>Hello World</title>
</head>
<body>
<h1>Hello World!</h1>
</body>
</html>
</content>
</top>如果你解析這個文件並執行普通的查詢，你會發現這個並不是那麼容易，因為所有步驟都變得相當的繁瑣。
>>> # Some queries that work
>>> doc.findtext('author')
'David Beazley'
>>> doc.find('content')
<Element 'content' at 0x100776ec0>
>>> # A query involving a namespace (doesn't work)
>>> doc.find('content/html')
>>> # Works if fully qualified
>>> doc.find('content/{http://www.w3.org/1999/xhtml}html')
<Element '{http://www.w3.org/1999/xhtml}html' at 0x1007767e0>
>>> # Doesn't work
>>> doc.findtext('content/{http://www.w3.org/1999/xhtml}html/head/title')
>>> # Fully qualified
>>> doc.findtext('content/{http://www.w3.org/1999/xhtml}html/'
... '{http://www.w3.org/1999/xhtml}head/{http://www.w3.org/1999/xhtml}title')
'Hello World'
>>>你可以通過將名稱空間處理邏輯包裝為一個工具類來簡化這個過程：
class XMLNamespaces:
def __init__(self,**kwargs):
self.namespaces = {}
for name,uri in kwargs.items():
self.register(name,uri)
def register(self,name,uri):
self.namespaces[name] = '{'+uri+'}'
def __call__(self,path):
return path.format_map(self.namespaces)通過下面的方式使用這個類：
>>> ns = XMLNamespaces(html='http://www.w3.org/1999/xhtml')
>>> doc.find(ns('content/{html}html'))
<Element '{http://www.w3.org/1999/xhtml}html' at 0x1007767e0>
>>> doc.findtext(ns('content/{html}html/{html}head/{html}title'))
'Hello World'
>>>
討論
解析含有名稱空間的XML文件會比較繁瑣。 上面的 XMLNamespaces 僅僅是允許你使用縮略名代替完整的URI將其變得稍微簡潔一點。
很不幸的是，在基本的 ElementTree 解析中沒有任何途徑獲取名稱空間的資訊。 但是，如果你使用 iterparse() 函式的話就可以獲取更多關於名稱空間處理範圍的資訊。例如：
>>> from xml.etree.ElementTree import iterparse
>>> for evt,elem in iterparse('ns2.xml',('end','start-ns','end-ns')):
... print(evt,elem)
...
end <Element 'author' at 0x10110de10>
start-ns ('','http://www.w3.org/1999/xhtml')
end <Element '{http://www.w3.org/1999/xhtml}title' at 0x1011131b0>
end <Element '{http://www.w3.org/1999/xhtml}head' at 0x1011130a8>
end <Element '{http://www.w3.org/1999/xhtml}h1' at 0x101113310>
end <Element '{http://www.w3.org/1999/xhtml}body' at 0x101113260>
end <Element '{http://www.w3.org/1999/xhtml}html' at 0x10110df70>
end-ns None
end <Element 'content' at 0x10110de68>
end <Element 'top' at 0x10110dd60>
>>> elem # This is the topmost element
<Element 'top' at 0x10110dd60>
>>>
最後一點，如果你要處理的XML文字除了要使用到其他高階XML特性外，還要使用到名稱空間， 建議你最好是使用 lxml 函式庫來代替 ElementTree 。 例如，lxml 對利用DTD驗證文件、更好的XPath支援和一些其他高階XML特性等都提供了更好的支援。 這一小節其實只是教你如何讓XML解析稍微簡單一點。
以上就是Python利用名稱空間解析XML文件的詳細內容，更多關於Python名稱空間解析XML文件的資料請關注我們其它相關文章！