在 lxml 中按命名空间查找

Question

我有一个 xml 文件，其中的元素看起来像 gnc:account（这是一个 gnucash 帐户文件）。我想找到所有具有该名称的元素。

但是，如果我这样做；

for account in tree.iter('gnc:account'):
    print(account)

我没有打印任何东西。相反，我写了这段荒谬的代码：

def n(string):
    pair = string.split(':')
    return '{{{}}}{}'.format(root.nsmap[pair[0]], pair[1])

现在我可以做到了：

for account in tree.iter(n('gnc:account')):
    print(account)

有效。

对于这个问题有没有非荒谬的解决方案？我对写出完整的 URI 不感兴趣。

Answer 1

在我看来，你现在所拥有的肯定是太老套了。

XPath 解决方案

您可以使用 XPath，并注册此命名空间 URI 和前缀：

>>> from io import StringIO
>>> s = """<root xmlns:gnc="www.gnc.com">
... <gnc:account>1</gnc:account>
... <gnc:account>2</gnc:account>
... </root>"""
>>> tree = etree.parse(StringIO(s))

# show that without the prefix, there are no results
>>> tree.xpath("//account")
[]

# with an unregistered prefix, throws an error
>>> tree.xpath("//gnc:account")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "src/lxml/etree.pyx", line 2287, in lxml.etree._ElementTree.xpath
  File "src/lxml/xpath.pxi", line 359, in lxml.etree.XPathDocumentEvaluator.__call__
  File "src/lxml/xpath.pxi", line 227, in lxml.etree._XPathEvaluatorBase._handle_result
lxml.etree.XPathEvalError: Undefined namespace prefix

# correct way of registering the namespace
>>> tree.xpath("//gnc:account", namespaces={'gnc': 'www.gnc.com'})
[<Element {www.gnc.com}account at 0x112bdd808>, <Element {www.gnc.com}account at 0x112bdd948>]

坚持tree.iter()

如果您仍想以这种方式调用 iter()，则需要遵循 lxml's advice on using namespaces with iter，例如：

>>> for account in tree.iter('{www.gnc.com}account'):
...     print(account)
...
<Element {www.gnc.com}account at 0x112bdd808>
<Element {www.gnc.com}account at 0x112bdd948>

如果你绝对想避免写出命名空间 URI 或注册命名空间（我认为这不是一个有效的论点，它很容易也更清楚），你也可以使用

>>> for account in tree.iter('{*}account'):
...     print(account)
...
<Element {www.gnc.com}account at 0x112bdd808>
<Element {www.gnc.com}account at 0x112bdd948>

在 lxml 中按命名空间查找

lookup by namespace in lxml

python

xml

lxml