使用 lxml 和 elementtree 解析 XML

Question

我正在尝试将 XML 文档解析为包含 ref 属性的 return <input> 节点。玩具示例有效，但文档本身 return 是一个空数组，而它应该显示匹配项。

玩具示例

import elementtree.ElementTree
from lxml import etree
tree = etree.XML('<body><input ref="blabla"><label>Cats</label></input><input ref="blabla"><label>Dogs</label></input><input ref="blabla"><label>Birds</label></input></body>')
# I can return the relevant input nodes with:
print len(tree.findall(".//input[@ref]"))
2

但由于某种原因无法使用以下（简化的）文件：

example.xml

<?xml version="1.0"?>
<h:html xmlns="http://www.w3.org/2002/xforms" xmlns:ev="http://www.w3.org/2001/xml-events" xmlns:h="http://www.w3.org/1999/xhtml" xmlns:xsd="http://www.w3.org/2001/XMLSchema">
  <h:head>
    <h:title>A title</h:title>
  </h:head>
  <h:body>
    <group ref="blabla">
      <label>Group 1</label>
      <input ref="blabla">
        <label>Field 1</label>
      </input>
    </group>
  </h:body>
</h:html>

脚本

import elementtree.ElementTree
from lxml import etree
with open ("example.xml", "r") as myfile:
  xml = myfile.read()
tree = etree.XML(xml)
print len(tree.findall(".//input[@ref]"))
0

知道为什么会失败吗？如何解决？我认为这可能与 XML header 有关。非常感谢任何帮助。

Answer 1

我认为问题在于整个文档中的元素特别是命名空间，因此未命名空间的 .findall(".//input[@ref]")) 表达式与文档中的 input 元素不匹配，这实际上是一个命名空间 input 元素，在 http://www.w3.org/2002/xforms 命名空间中。

也许试试这个：

.findall(".//{http://www.w3.org/2002/xforms}input[@ref]")

更新在我原来的回答之后，使用 xforms 命名空间而不是 xhtml 命名空间（如另一个答案中所述）。

Answer 2

从你的 xml 可以看出，非前缀元素的 xml-namespace 是 - "http://www.w3.org/2002/xforms" ，这是因为它被定义为 xmlns 在父元素 h:html 中没有任何前缀，只有前缀为 h: 的元素的命名空间为 "http://www.w3.org/1999/xhtml".

因此您还需要在查询中使用该命名空间。示例 -

root.findall(".//{http://www.w3.org/2002/xforms}input[@ref]")

Example/Demo -

>>> s = """<?xml version="1.0"?>
... <h:html xmlns="http://www.w3.org/2002/xforms" xmlns:ev="http://www.w3.org/2001/xml-events" xmlns:h="http://www.w3.org/1999/xhtml" xmlns:xsd="http://www.w3.org/2001/XMLSchema">
...   <h:head>
...     <h:title>A title</h:title>
...   </h:head>
...   <h:body>
...     <group ref="blabla">
...       <label>Group 1</label>
...       <input ref="blabla">
...         <label>Field 1</label>
...       </input>
...     </group>
...   </h:body>
... </h:html>"""
>>> import xml.etree.ElementTree as ET
>>> root = ET.fromstring(s)
>>> root.findall(".//{http://www.w3.org/1999/xhtml}input[@ref]")
>>> root.findall(".//{http://www.w3.org/2002/xforms}input[@ref]")
[<Element '{http://www.w3.org/2002/xforms}input' at 0x02288EA0>]

使用 lxml 和 elementtree 解析 XML

Parsing XML with lxml and elementtree

python

xml

lxml

elementtree