lxml etree: как удалить нежелательное пространство имен из XMLParser
У меня есть XML-документ, который я пытаюсь разобрать с помощью библиотеки etree из lxml. Вот его структура:
<Envelope xmlns="http://www.example.com/zzz/yyy">
<Header>
<Version>1</Version>
</Header>
<Body>
some stuff
</Body>
</Envelope>
Мой код выглядит так:
path = "путь к xml файлу"
from lxml import etree as ET
parser = ET.XMLParser(ns_clean=True)
dom = ET.parse(path, parser)
dom.getroot()
Когда я вызываю dom.getroot(), я получаю вывод:
<Element {http://www.example.com/zzz/yyy}Envelope at 28adacac>
Но мне нужно, чтобы вывод выглядел так:
<Element Envelope at 28adacac>
Когда я выполняю следующий код:
dom.getroot().find("Body")
Я не получаю ничего в возврате. Однако, когда я использую:
dom.getroot().find("{http://www.example.com/zzz/yyy}Body")
Я получаю результат.
Я думал, что передача параметра ns_clean=True в парсер решит эту проблему.
Есть идеи, как это исправить?
2 ответ(ов)
Для работы с XML в Python, используя библиотеку lxml, вы можете столкнуться с проблемой пространств имен. Например, при наличии следующего XML содержимого:
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))
Вы можете находить узлы, учитывающие пространства имен, с помощью метода xpath:
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>]
Если вам действительно нужно удалить пространства имен, вы можете воспользоваться трансформацией XSL:
# 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)
После выполнения этой трансформации пространство имен будет удалено:
print(ET.tostring(dom))
# <Envelope>
# <Header>
# <Version>1</Version>
# </Header>
# <Body>
# some stuff
# </Body>
# </Envelope>
Теперь вы можете легко находить узел Body следующим образом:
print(dom.find("Body"))
# <Element Body at 8506cd4>
Таким образом, вы можете работать с XML содержимым, как с обычными узлами, не беспокоясь о пространствах имен.
Еще один неплохой вариант — это использовать помощник QName и обернуть его в функцию с заданным значением по умолчанию для пространства имен:
from lxml import etree
DEFAULT_NS = 'http://www.example.com/zzz/yyy'
def tag(name, ns=DEFAULT_NS):
return etree.QName(ns, name)
dom = etree.parse(path)
body = dom.getroot().find(tag('Body'))
В этом примере мы создаем функцию tag, которая принимает имя тега и по умолчанию использует заданное пространство имен DEFAULT_NS. Это позволяет удобно использовать пространства имен при поиске элементов в XML-документе.
Как изменить порядок столбцов в DataFrame?
'pip' не распознан как командa внутреннего или внешнего формата
Почему statistics.mean() работает так медленно?
Преобразование строки даты JSON в datetime в Python
Есть ли разница между поднятием экземпляра класса Exception и самого класса Exception?