lxml etree cleanup_namespaces returns None 而不是清理树

Question

我写了一个小 class 用于抓取一个网页，其中包含文件夹中的一些文档，所有这些都托管在 S3 上。我将响应转换为 XML 树，我需要从前缀 URL.

中清除每个元素

这是代码和问题：

import requests
from lxml import etree

class scraper():

    def __init__(self, BASE_URL, headers):
        self.BASE_URL = BASE_URL
        self.headers = headers
        self.URL = self.BASE_URL + '?delimiter=/'

    def clean_root(self, root):
        "Needed to clean the URL prefix in front of each XML element"
        for elem in root.getiterator():
            elem.tag = etree.QName(elem).localname

        return etree.cleanup_namespaces(root)
    
    def get_root_folder_names(self):
        "Retrieve the folders"
        res = requests.get(self.URL, headers=self.headers)
        root = etree.XML(res.content)
        print(f"{root}")                  # prints: "root: <Element {http://s3.amazonaws.com/doc/2016-11-11/}ListBucketResult at 0x8f87b456e441>" 
        print(f"{self.clean_root(root)}") # prints: "None", where it must prints "<Element ListBucketResult at 0x8f87b456e441>"

称之为：

myInstance = scraper(BASE_URL, headers)
myInstance.get_root_folder_names()

如果我从 get_root_folder_names 函数调用 clean_tree(root)，结果是 None，就好像它从未被应用过一样。但是 root 确实存在于调用此函数之前，因为它已正确打印。我从这里得到启发：https://www.kite.com/python/answers/how-to-call-an-instance-method-in-the-same-class-in-python

我做错了什么？

我也尝试在没有 self. 的情况下使用 clean_root 函数，但是当我从 get_root_folder_names 函数调用它时，我得到了 NameError: name 'clean_tree' is not defined.

Answer 1

问题不在于从其他函数调用函数。它混淆了纯函数和那些有副作用的函数。

函数cleanup_namespacesreturnsNone。它修改树，而不是创建一个新树（这就像初学者经常遇到的问题list.sort）。

将clean_root函数的结尾改成这样：

etree.cleanup_namespaces(root)
return root

lxml etree cleanup_namespaces returns None 而不是清理树

lxml etree cleanup_namespaces returns None instead of cleaned tree

python

lxml

python-3.x