代码之家 › 专栏 › 技术社区 › geotheory

使用lxml和elementtree解析XML

elementtree lxml xml python

geotheory · 技术社区 · 11 年前

我正在尝试解析XML文档以返回 <input> 包含 ref 属性玩具示例有效,但文档本身返回一个空数组,当它应该显示匹配项时。

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

但由于某些原因,使用以下(缩减)文件失败:

示例.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>

剧本

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标头有关。非常感谢您的帮助。

2 回复 | 直到 11 年前

sideshowbarker 11 年前

我认为问题是整个文档中的元素都在特定的名称空间中,因此没有名称空间的 .findall(".//input[@ref]")) 表达式与 input 元素,它实际上是一个命名空间 输入 元素,在 http://www.w3.org/2002/xforms 命名空间。

所以不妨试试这个:

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

已更新 在我最初的答案之后,使用xforms名称空间而不是xhtml名称空间(如另一个答案中所述)。

Anand S Kumar 11 年前

从xml中可以看出,无前缀元素的xml命名空间是- "http://www.w3.org/2002/xforms" ,这是因为它被定义为 xmlns 父元素中没有任何前缀 h:html ,仅元素前缀 h: 将命名空间设置为 "http://www.w3.org/1999/xhtml" .

因此,您也需要在查询中使用该名称空间。示例-

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

示例/演示-

>>> 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>]

推荐文章