Python利用命名空間解析XML文檔
問題
你想解析某個XML文檔，文檔中使用了XML命名空間。
解決方案
考慮下面這個使用了命名空間的文檔：
<?xml version='1.0' encoding='utf-8'?><top> <author>David Beazley</author> <content> <html xmlns='http://www.w3.org/1999/xhtml'> <head><title>Hello World</title> </head> <body><h1>Hello World!</h1> </body> </html> </content></top>
如果你解析這個文檔并執(zhí)行普通的查詢，你會發(fā)現(xiàn)這個并不是那么容易，因為所有步驟都變得相當(dāng)?shù)姆爆崱?/p>
>>> # Some queries that work>>> doc.findtext(’author’)’David Beazley’>>> doc.find(’content’)<Element ’content’ at 0x100776ec0>>>> # A query involving a namespace (doesn’t work)>>> doc.find(’content/html’)>>> # Works if fully qualified>>> doc.find(’content/{http://www.w3.org/1999/xhtml}html’)<Element ’{http://www.w3.org/1999/xhtml}html’ at 0x1007767e0>>>> # Doesn’t work>>> doc.findtext(’content/{http://www.w3.org/1999/xhtml}html/head/title’)>>> # Fully qualified>>> doc.findtext(’content/{http://www.w3.org/1999/xhtml}html/’... ’{http://www.w3.org/1999/xhtml}head/{http://www.w3.org/1999/xhtml}title’)’Hello World’>>>
你可以通過將命名空間處理邏輯包裝為一個工具類來簡化這個過程：
class XMLNamespaces: def __init__(self, **kwargs): self.namespaces = {} for name, uri in kwargs.items(): self.register(name, uri) def register(self, name, uri): self.namespaces[name] = ’{’+uri+’}’ def __call__(self, path): return path.format_map(self.namespaces)
通過下面的方式使用這個類：
>>> ns = XMLNamespaces(html=’http://www.w3.org/1999/xhtml’)>>> doc.find(ns(’content/{html}html’))<Element ’{http://www.w3.org/1999/xhtml}html’ at 0x1007767e0>>>> doc.findtext(ns(’content/{html}html/{html}head/{html}title’))’Hello World’>>>
討論
解析含有命名空間的XML文檔會比較繁瑣。 上面的 XMLNamespaces 僅僅是允許你使用縮略名代替完整的URI將其變得稍微簡潔一點。
很不幸的是，在基本的 ElementTree 解析中沒有任何途徑獲取命名空間的信息。 但是，如果你使用 iterparse() 函數(shù)的話就可以獲取更多關(guān)于命名空間處理范圍的信息。例如：
>>> from xml.etree.ElementTree import iterparse>>> for evt, elem in iterparse(’ns2.xml’, (’end’, ’start-ns’, ’end-ns’)):... print(evt, elem)...end <Element ’author’ at 0x10110de10>start-ns (’’, ’http://www.w3.org/1999/xhtml’)end <Element ’{http://www.w3.org/1999/xhtml}title’ at 0x1011131b0>end <Element ’{http://www.w3.org/1999/xhtml}head’ at 0x1011130a8>end <Element ’{http://www.w3.org/1999/xhtml}h1’ at 0x101113310>end <Element ’{http://www.w3.org/1999/xhtml}body’ at 0x101113260>end <Element ’{http://www.w3.org/1999/xhtml}html’ at 0x10110df70>end-ns Noneend <Element ’content’ at 0x10110de68>end <Element ’top’ at 0x10110dd60>>>> elem # This is the topmost element<Element ’top’ at 0x10110dd60>>>>
最后一點，如果你要處理的XML文本除了要使用到其他高級XML特性外，還要使用到命名空間， 建議你最好是使用 lxml 函數(shù)庫來代替 ElementTree 。 例如，lxml 對利用DTD驗證文檔、更好的XPath支持和一些其他高級XML特性等都提供了更好的支持。 這一小節(jié)其實只是教你如何讓XML解析稍微簡單一點。
以上就是Python利用命名空間解析XML文檔的詳細(xì)內(nèi)容，更多關(guān)于Python命名空間解析XML文檔的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！
相關(guān)文章：
網(wǎng)公網(wǎng)安備