Python ElementTree-Modul: So ignorieren Sie den Namespace von XML-Dateien, um das passende Element zu finden, wenn Sie die Methode "find", "findall" verwenden.

Ich möchte die Methode "findall" verwenden, um einige Elemente der XML-Quelldatei im ElementTree-Modul zu finden.

Die XML-Quelldatei (test.xml) hat jedoch einen Namespace. Ich schneide einen Teil der XML-Datei als Beispiel ab:

<?xml version="1.0" encoding="iso-8859-1"?>
<XML_HEADER xmlns="http://www.test.com">
    <TYPE>Updates</TYPE>
    <DATE>9/26/2012 10:30:34 AM</DATE>
    <COPYRIGHT_NOTICE>All Rights Reserved.</COPYRIGHT_NOTICE>
    <LICENSE>newlicense.htm</LICENSE>
    <DEAL_LEVEL>
        <PAID_OFF>N</PAID_OFF>
        </DEAL_LEVEL>
</XML_HEADER>

Der Beispiel-Python-Code ist unten:

from xml.etree import ElementTree as ET
tree = ET.parse(r"test.xml")
el1 = tree.findall("DEAL_LEVEL/PAID_OFF") # Return None
el2 = tree.findall("{http://www.test.com}DEAL_LEVEL/{http://www.test.com}PAID_OFF") # Return <Element '{http://www.test.com}DEAL_LEVEL/PAID_OFF' at 0xb78b90>

Obwohl dies funktionieren kann, ist es sehr unpraktisch, vor jedem Tag einen Namespace hinzuzufügen, da ein Namespace "{http://www.test.com}" vorhanden ist.

Wie kann ich den Namespace ignorieren, wenn ich die Methoden "find", "findall" usw. verwende?

Anstatt das XML-Dokument selbst zu ändern, ist es am besten, es zu analysieren und dann die Tags im Ergebnis zu ändern. Auf diese Weise können Sie mehrere Namespaces und Namespace-Aliase verarbeiten:

from io import StringIO  # for Python 2 import from StringIO instead
import xml.etree.ElementTree as ET

# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
    prefix, has_namespace, postfix = el.tag.partition('}')
    if has_namespace:
        el.tag = postfix  # strip all namespaces
root = it.root

Dies basiert auf der Diskussion hier: http://bugs.python.org/issue18304

Update: rpartition Statt partitionsicherzustellen, dass Sie den Tag-Namen postfixauch dann erhalten, wenn kein Namespace vorhanden ist. So könnte man es verdichten:

for _, el in it:
    _, _, el.tag = el.tag.rpartition('}') # strip ns

Wenn Sie das xmlns-Attribut vor dem Parsen aus der xml entfernen, wird nicht jedem Tag im Baum ein Namespace vorangestellt.

import re

xmlstring = re.sub(' xmlns="[^"]+"', '', xmlstring, count=1)

Die bisherigen Antworten haben den Namespace-Wert explizit in das Skript eingefügt. Für eine allgemeinere Lösung würde ich lieber den Namespace aus der XML extrahieren:

import re
def get_namespace(element):
  m = re.match('\{.*\}', element.tag)
  return m.group(0) if m else ''

Und verwenden Sie es in der Suchmethode:

namespace = get_namespace(tree.getroot())
print tree.find('./{0}parent/{0}version'.format(namespace)).text

Hier ist eine Erweiterung der Antwort von nonagon, mit der auch Namespaces von Attributen entfernt werden:

from StringIO import StringIO
import xml.etree.ElementTree as ET

# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
    if '}' in el.tag:
        el.tag = el.tag.split('}', 1)[1]  # strip all namespaces
    for at in list(el.attrib.keys()): # strip namespaces of attributes too
        if '}' in at:
            newat = at.split('}', 1)[1]
            el.attrib[newat] = el.attrib[at]
            del el.attrib[at]
root = it.root

UPDATE: hinzugefügt, list()damit der Iterator funktioniert (wird für Python 3 benötigt)

Verbesserung der Antwort von ericspod:

Anstatt den Analysemodus global zu ändern, können wir dies in ein Objekt einschließen, das das with-Konstrukt unterstützt.

from xml.parsers import expat

class DisableXmlNamespaces:
    def __enter__(self):
            self.oldcreate = expat.ParserCreate
            expat.ParserCreate = lambda encoding, sep: self.oldcreate(encoding, None)
    def __exit__(self, type, value, traceback):
            expat.ParserCreate = self.oldcreate

Dies kann dann wie folgt verwendet werden

import xml.etree.ElementTree as ET
with DisableXmlNamespaces():
     tree = ET.parse("test.xml")

Das Schöne an dieser Art ist, dass sie kein Verhalten für nicht verwandten Code außerhalb des with-Blocks ändert. Ich habe dies erstellt, nachdem ich Fehler in nicht verwandten Bibliotheken erhalten hatte, nachdem ich die Version von ericspod verwendet hatte, die auch expat verwendete.

Sie können auch das elegante Konstrukt zur Zeichenfolgenformatierung verwenden:

ns='http://www.test.com'
el2 = tree.findall("{%s}DEAL_LEVEL/{%s}PAID_OFF" %(ns,ns))

oder, wenn Sie sicher sind, dass PAID_OFF nur in einer Ebene im Baum angezeigt wird :

el2 = tree.findall(".//{%s}PAID_OFF" % ns)

Wenn Sie verwenden ElementTreeund nicht cElementTree, können Sie Expat zwingen, die Namespace-Verarbeitung zu ignorieren, indem Sie Folgendes ersetzen ParserCreate():

from xml.parsers import expat
oldcreate = expat.ParserCreate
expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)

ElementTreeversucht, Expat durch Aufrufen zu verwenden ParserCreate(), bietet jedoch keine Option, keine Namespace-Trennzeichenfolge anzugeben. Der obige Code führt dazu, dass es ignoriert wird. Es wird jedoch gewarnt, dass dies andere Probleme verursachen kann.

Ich könnte zu spät kommen, aber ich denke nicht, dass dies re.subeine gute Lösung ist.

Das Umschreiben xml.parsers.expatfunktioniert jedoch nicht für Python 3.x-Versionen.

Der Hauptschuldige ist das xml/etree/ElementTree.pysiehe unten im Quellcode

# Import the C accelerators
try:
    # Element is going to be shadowed by the C implementation. We need to keep
    # the Python version of it accessible for some "creative" by external code
    # (see tests)
    _Element_Py = Element

    # Element, SubElement, ParseError, TreeBuilder, XMLParser
    from _elementtree import *
except ImportError:
    pass

Welches ist ein bisschen traurig.

Die Lösung besteht darin, es zuerst loszuwerden.

import _elementtree
try:
    del _elementtree.XMLParser
except AttributeError:
    # in case deleted twice
    pass
else:
    from xml.parsers import expat  # NOQA: F811
    oldcreate = expat.ParserCreate
    expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)

Getestet auf Python 3.6.

Die Try- tryAnweisung ist nützlich, wenn Sie irgendwo in Ihrem Code ein Modul zweimal neu laden oder importieren und dabei seltsame Fehler wie z

• maximale Rekursionstiefe überschritten
• AttributeError: XMLParser

Übrigens sieht der etree-Quellcode wirklich chaotisch aus.

Kombinieren wir die Antwort von nonagon mit der Antwort von mzjn auf eine verwandte Frage :

def parse_xml(xml_path: Path) -> Tuple[ET.Element, Dict[str, str]]:
    xml_iter = ET.iterparse(xml_path, events=["start-ns"])
    xml_namespaces = dict(prefix_namespace_pair for _, prefix_namespace_pair in xml_iter)
    return xml_iter.root, xml_namespaces

Mit dieser Funktion können wir:

1. Erstellen Sie einen Iterator, um sowohl Namespaces als auch ein analysiertes Baumobjekt abzurufen .

2. Iterate über die erstellte Iterator bekommen die Namensräume dict , dass wir später in jedem passieren können find()oder findall()Anruf als von iMom0 sugested .

3. Gibt das Stammelementobjekt und die Namespaces des analysierten Baums zurück.

Ich denke, dies ist der beste Ansatz, da weder eine Quell-XML noch die daraus resultierende analysierte xml.etree.ElementTreeAusgabe manipuliert werden kann.

Ich möchte auch der Antwort von barny die Bereitstellung eines wesentlichen Teils dieses Puzzles zuschreiben (dass Sie die analysierte Wurzel vom Iterator erhalten können). Bis dahin habe ich den XML-Baum in meiner Anwendung tatsächlich zweimal durchlaufen (einmal, um Namespaces zu erhalten, zweitens für einen Stamm).