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?
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>
Essayez d'utiliser Xpath:
dom.xpath("//*[local-name() = 'Body']")
Extrait (et simplifié) de cette page , sous la section "La méthode xpath ()"
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.