lxml etree xmlparser Usuń niechcianą przestrzeń nazw
Mam dokument xml, który próbuję przeanalizować za pomocą Etree.lxml
<Envelope xmlns="http://www.example.com/zzz/yyy">
<Header>
<Version>1</Version>
</Header>
<Body>
some stuff
<Body>
<Envelope>
Mój kod to:
path = "path to xml file"
from lxml import etree as ET
parser = ET.XMLParser(ns_clean=True)
dom = ET.parse(path, parser)
dom.getroot()
Kiedy próbuję dorwać Doma.getroot () I get:
<Element {http://www.example.com/zzz/yyy}Envelope at 28adacac>
Jednak chcę tylko:
<Element Envelope at 28adacac>
When I do
dom.getroot().find("Body")
Nic mi nie zwrócono. Jednakże, kiedy
dom.getroot().find("{http://www.example.com/zzz/yyy}Body")
Mam wynik.
Myślałem, że podanie ns_clean = True do parsera zapobiegnie temu.
Jakieś pomysły?4 answers
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))
Można znaleźć węzły świadome przestrzeni nazw za pomocą metody 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>]
Jeśli naprawdę chcesz usunąć przestrzenie nazw, możesz użyć transformacji 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)
Tutaj widzimy, że przestrzeń nazw została usunięta:
print(ET.tostring(dom))
# <Envelope>
# <Header>
# <Version>1</Version>
# </Header>
# <Body>
# some stuff
# </Body>
# </Envelope>
Więc teraz możesz znaleźć węzeł ciała w ten sposób:
print(dom.find("Body"))
# <Element Body at 8506cd4>
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2016-09-03 15:18:50
Spróbuj użyć Xpath:
dom.xpath("//*[local-name() = 'Body']")
Wzięte (i uproszczone) z tej strony , w sekcji" Metoda xpath () "
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2013-02-05 11:45:19
Ostatnie rozwiązanie z https://bitbucket.org/olauzanne/pyquery/issue/17 może pomóc ci uniknąć przestrzeni nazw przy niewielkim wysiłku
Zastosuj
xml.replace(' xmlns:', ' xmlnamespace:')
do swojego xml przed użyciem pyquery, aby lxml zignorował przestrzenie nazw
W Twoim przypadku spróbuj xml.replace(' xmlns="', ' xmlnamespace="')
. Jednak możesz potrzebować czegoś bardziej złożonego, jeśli ciąg jest oczekiwany również w ciałach.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-07-01 09:40:52
Pokazujesz wynik wywołania repr (). Gdy programowo poruszasz się po drzewie, możesz po prostu zignorować przestrzeń nazw.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2010-11-23 11:00:45