Przestrzeń nazw xmlns łamiąc lxml

Question

Próbuję otworzyć plik xml i uzyskać wartości z niektórych tagów. Zrobiłem to dużo, ale ten konkretny xml daje mi pewne problemy. Oto fragment pliku xml:

<?xml version='1.0' encoding='UTF-8'?> 
<package xmlns="http://apple.com/itunes/importer" version="film4.7"> 
    <provider>filmgroup</provider> 
    <language>en-GB</language> 
    <actor name="John Smith" display="Doe John"</actor> 
</package> 

A oto próbka mojego kodu Pythona:

metadata = '/Users/mylaptop/Desktop/Python/metadata.xml' 
from lxml import etree 
parser = etree.XMLParser(remove_blank_text=True) 
open(metadata) 
tree = etree.parse(metadata, parser) 
root = tree.getroot() 
for element in root.iter(tag='provider'): 
    providerValue = tree.find('//provider') 
    providerValue = providerValue.text 
    print providerValue 
tree.write('/Users/mylaptop/Desktop/Python/metadataDone.xml', pretty_print = True, xml_declaration = True, encoding = 'UTF-8') 

Kiedy uruchomić ten nie może znaleźć tag usługodawcy lub jego wartość. Jeśli usuniemy xmlns="http://apple.com/itunes/importer", wszystkie działają zgodnie z oczekiwaniami. Moje pytanie brzmi: jak mogę usunąć ten obszar nazw, ponieważ w ogóle mnie to nie interesuje, więc mogę uzyskać wartości znaczników, których potrzebuję, używając lxml?

Answer 1

Znacznik provider jest w przestrzeni nazw http://apple.com/itunes/importer, więc albo trzeba użyć pełnej nazwy

{http://apple.com/itunes/importer}provider 

lub skorzystać z jednej z metod lxml że ma the namespaces parameter, takich jak root.xpath. Następnie można podać go z przedrostka przestrzeni nazw (np ns:provider):

from lxml import etree 
parser = etree.XMLParser(remove_blank_text=True) 
tree = etree.parse(metadata, parser) 
root = tree.getroot() 
namespaces = {'ns':'http://apple.com/itunes/importer'} 
items = iter(root.xpath('//ns:provider/text()|//ns:actor/@name', 
         namespaces=namespaces)) 
for provider, actor in zip(*[items]*2): 
    print(provider, actor) 

plony

('filmgroup', 'John Smith') 

pamiętać, że XPath użyte powyżej zakłada, że ​​<provider> i <actor> elementy zawsze pojawiają się na przemian. Jeśli to nie jest prawdziwe, to nie są oczywiście sposoby, aby sobie z tym poradzić, ale kod staje się nieco bardziej gadatliwy:

for package in root.xpath('//ns:package', namespaces=namespaces): 
    for provider in package.xpath('ns:provider', namespaces=namespaces): 
     providerValue = provider.text 
     print providerValue 
    for actor in package.xpath('ns:actor', namespaces=namespaces): 
     print actor.attrib['name'] 

Answer 2

Moja propozycja jest taka, aby nie ignorować nazw, ale zamiast tego, aby wziąć to pod uwagę. Napisałem kilka powiązanych funkcji (skopiowałem z drobną modyfikacją) do mojej pracy w bibliotece django-quickbooks. Z tych funkcji, powinieneś być w stanie to zrobić:

providers = getels(root, 'provider', ns='http://apple.com/itunes/importer') 

Oto te funkcje:

def get_tag_with_ns(tag_name, ns): 
    return '{%s}%s' % (ns, tag_name) 

def getel(elt, tag_name, ns=None): 
    """ Gets the first tag that matches the specified tag_name taking into 
    account the QB namespace. 

    :param ns: The namespace to use if not using the default one for 
    django-quickbooks. 
    :type ns: string 
    """ 

    res = elt.find(get_tag_with_ns(tag_name, ns=ns)) 
    if res is None: 
     raise TagNotFound('Could not find tag by name "%s"' % tag_name) 
    return res 

def getels(elt, *path, **kwargs): 
    """ Gets the first set of elements found at the specified path. 

    Example: 
     >>> xml = (
     "<root>" + 
      "<item>" + 
       "<id>1</id>" + 
      "</item>" + 
      "<item>" + 
       "<id>2</id>"* + 
      "</item>" + 
     "</root>") 
     >>> el = etree.fromstring(xml) 
     >>> getels(el, 'root', 'item', ns='correct/namespace') 
     [<Element item>, <Element item>] 
    """ 

    ns = kwargs['ns'] 

    i=-1 
    for i in range(len(path)-1): 
     elt = getel(elt, path[i], ns=ns) 
    tag_name = path[i+1] 
    return elt.findall(get_tag_with_ns(tag_name, ns=ns))