web-dev-qa-db-fra.com

lxml etree xmlparser supprime l'espace de noms indésirables

J'ai un document xml que j'essaie d'analyser en utilisant Etree.lxml

<Envelope xmlns="http://www.example.com/zzz/yyy">
  <Header>
    <Version>1</Version>
  </Header>
  <Body>
    some stuff
  <Body>
<Envelope>

Mon code est:

path = "path to xml file"
from lxml import etree as ET
parser = ET.XMLParser(ns_clean=True)
dom = ET.parse(path, parser)
dom.getroot()

Lorsque j'essaie d'obtenir dom.getroot (), j'obtiens:

<Element {http://www.example.com/zzz/yyy}Envelope at 28adacac>

Mais je veux seulement:

<Element Envelope at 28adacac>

Quand je fais

dom.getroot().find("Body")

Je ne reçois rien en retour. Cependant, quand je

dom.getroot().find("{http://www.example.com/zzz/yyy}Body") 

J'obtiens un résultat.

Je pensais que passer ns_clean = True à l'analyseur empêcherait cela.

Des idées?

52
Mark
import io
import lxml.etree as ET

content='''\
<Envelope xmlns="http://www.example.com/zzz/yyy">
  <Header>
    <Version>1</Version>
  </Header>
  <Body>
    some stuff
  </Body>
</Envelope>
'''    
dom = ET.parse(io.BytesIO(content))

Vous pouvez rechercher des nœuds compatibles avec l'espace de noms à l'aide de la méthode xpath:

body=dom.xpath('//ns:Body',namespaces={'ns':'http://www.example.com/zzz/yyy'})
print(body)
# [<Element {http://www.example.com/zzz/yyy}Body at 90b2d4c>]

Si vous voulez vraiment supprimer les espaces de noms, vous pouvez utiliser une transformation XSL:

# http://wiki.tei-c.org/index.php/Remove-Namespaces.xsl
xslt='''<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
<xsl:output method="xml" indent="no"/>

<xsl:template match="/|comment()|processing-instruction()">
    <xsl:copy>
      <xsl:apply-templates/>
    </xsl:copy>
</xsl:template>

<xsl:template match="*">
    <xsl:element name="{local-name()}">
      <xsl:apply-templates select="@*|node()"/>
    </xsl:element>
</xsl:template>

<xsl:template match="@*">
    <xsl:attribute name="{local-name()}">
      <xsl:value-of select="."/>
    </xsl:attribute>
</xsl:template>
</xsl:stylesheet>
'''

xslt_doc=ET.parse(io.BytesIO(xslt))
transform=ET.XSLT(xslt_doc)
dom=transform(dom)

Ici, nous voyons que l'espace de noms a été supprimé:

print(ET.tostring(dom))
# <Envelope>
#   <Header>
#     <Version>1</Version>
#   </Header>
#   <Body>
#     some stuff
#   </Body>
# </Envelope>

Vous pouvez donc maintenant trouver le nœud Body de cette façon:

print(dom.find("Body"))
# <Element Body at 8506cd4>
52
unutbu

Essayez d'utiliser Xpath:

dom.xpath("//*[local-name() = 'Body']")

Extrait (et simplifié) de cette page , sous la section "La méthode xpath ()"

28
dusan

La dernière solution de https://bitbucket.org/olauzanne/pyquery/issue/17 peut vous aider à éviter les espaces de noms avec peu d'effort

appliquez xml.replace(' xmlns:', ' xmlnamespace:') à votre xml avant d'utiliser pyquery pour que lxml ignore les espaces de noms

Dans votre cas, essayez xml.replace(' xmlns="', ' xmlnamespace="'). Cependant, vous pourriez avoir besoin de quelque chose de plus complexe si la chaîne est également attendue dans les corps.

1
Andrei