Lxml etree xmlparser удаляет ненужное пространство имен

У меня есть xml-документ, который я пытаюсь проанализировать, используя Etree.lxml

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

Мой код:

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

Когда я пытаюсь получить dom.getroot(), я получаю:

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

Однако я хочу только:

<Element Envelope at 28adacac>

Когда я делаю

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

Я ничего не получаю. Однако, когда I

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

Я получаю результат.

Я думал, что передача ns_clean = True для синтаксического анализатора предотвратит это.

Любые идеи?

Ответ 1

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))

Вы можете найти узлы, поддерживающие пространство имен, с помощью метода 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>]

Если вы действительно хотите удалить пространства имен, вы можете использовать преобразование 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)

Здесь мы видим, что пространство имен было удалено:

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

Итак, теперь вы можете найти Body node следующим образом:

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

Ответ 2

Попробуйте использовать Xpath:

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

Взято (и упрощено) из эта страница в разделе "Метод xpath()"

Ответ 3

Последнее решение из https://bitbucket.org/olauzanne/pyquery/issue/17 поможет вам избежать пространств имен с минимальными усилиями

применить xml.replace(' xmlns:', ' xmlnamespace:') к вашему xml перед использованием pyquery, поэтому lxml будет игнорировать пространства имен

В вашем случае попробуйте xml.replace(' xmlns="', ' xmlnamespace="'). Однако вам может понадобиться нечто более сложное, если строка также ожидается в телах.

Ответ 4

Вы показываете результат вызова repr(). Когда вы программно перемещаетесь по дереву, вы можете просто игнорировать пространство имен.