如何使用 Python XML findall 查找 '<v:imagedata r:id="rId7" o:title="1-REN"/>'

Question

我正在尝试从 <v:imagedata r:id="rId7" o:title="1-REN"/> 的 Word 文档中使用命名空间 xmlns:v="urn:schemas-microsoft-com:vml" 查找所有内容，但我无法弄清楚语法到底是什么。

docs 只涵盖了非常直接的情况，加上 URN 和 VML 组合，我似乎无法使用我在网上看到的任何示例。有人碰巧知道它是什么吗？

我正在尝试做这样的事情：

namespace = {'v': "urn:schemas-microsoft-com:vml"}

results = ET.fromstring(xml).findall("imagedata", namespace)
for image_id in results:
    print(image_id)

编辑：@aneroid 写的是 1000% 的正确答案并且非常有帮助。你应该赞成它。也就是说，在理解所有这些之后 - 我选择了 BS4 答案，因为它完全按照我需要的方式在两行中完成了整个工作。如果您实际上并不关心名称空间，那似乎更容易。

Answer 1

我打算让这个问题悬而未决，但我目前使用的解决方法是使用 BeautifulSoup，它很乐意接受 v: 语法。

soup = BeautifulSoup(xml, "lxml")

results = soup.find_all("v:imagedata")

Answer 2

ET.findall() 对比 BS4.find_all():

ElementTree's findall() 不是递归的默认情况下 ^*。它只会找到所提供节点的直接子节点。所以在你的例子中，它只搜索直接在根元素下的图像节点。
- ^* 根据 below, prefixing the match argument (tag or path) with ".//" will search for that node anywhere in the tree, since it's supports XPath's.
BeautifulSoup's find_all() 搜索所有后代。所以它搜索树中任何地方的 'imagedata' 个节点。

但是，ElementTree.iter() does search all descendants. Using the 'working with namespaces' example in the docs:

>>> for char in root.iter('{http://characters.example.com}character'):
...     print(' |-->', char.text)
...
 |--> Lancelot
 |--> Archie Leach
 |--> Sir Robin
 |--> Gunther
 |--> Commander Clement

可悲的是，ET.iterfind() 将名称空间用作字典（如 ET.findall），而且 不搜索后代 ，仅搜索直接子代默认^*。就像 ET.findall。除了标签中的空字符串 '' 如何处理命名空间，一个 returns 一个列表而另一个 returns 一个迭代器，我不能说 returns 之间有什么有意义的区别=23=] 和 ET.iterfind。
- ^* 与上面 ET.findall() 一样，前缀 ".//" 使其搜索整个树（ 与任何节点匹配 ).

当您将命名空间与 ET 一起使用时，您仍然需要带有标签的 命名空间名称。结果行应该是：

namespace = {'v': "urn:schemas-microsoft-com:vml"}
results = ET.fromstring(xml).findall("v:imagedata", namespace)  # note the 'v:'

此外，'v' 不必是 'v'，如果需要，您可以将其更改为更有意义的内容：

namespace = {'image': "urn:schemas-microsoft-com:vml"}
results = ET.fromstring(xml).findall("image:imagedata", namespace)

当然，如果它们不是根的直接子元素，这仍然不一定能为您提供所有图像数据元素。为此，您需要创建一个递归函数来为您完成。请参阅了解具体方法。请注意，虽然该答案进行递归搜索，但如果后代深度太...deep.，您可能会达到 Python 的递归限制

要获取树中任意位置的所有图像数据元素，请使用 ".//" 前缀：

results = ET.fromstring(xml).findall(".//v:imagedata", namespace)

Answer 3

使用 Python 3.8 中的 ElementTree，您可以简单地为命名空间使用通配符 ({*})：

results = ET.fromstring(xml).findall(".//{*}imagedata")

注意 .// 部分，这意味着搜索整个文档（所有后代）。

如何使用 Python XML findall 查找 '<v:imagedata r:id="rId7" o:title="1-REN"/>'

How to use Python XML findall to find '<v:imagedata r:id="rId7" o:title="1-REN"/>'

python

xml

vml

urn