使用lxml从python中的xml中删除名称空间和前缀

我有一个xml文件需要打开并进行一些更改，其中一个更改是删除名称空间和前缀，然后保存到另一个文件。 以下是xml：

<?xml version='1.0' encoding='UTF-8'?>
<package xmlns="http://apple.com/itunes/importer">
  <provider>some data</provider>
  <language>en-GB</language>
</package>

那么，如何在脚本中添加代码来删除名称空间和前缀呢

import xml.etree.ElementTree as ET
def remove_namespace(doc, namespace):
    """Remove namespace in the passed document in place."""
    ns = u'{%s}' % namespace
    nsl = len(ns)
    for elem in doc.getiterator():
        if elem.tag.startswith(ns):
            elem.tag = elem.tag[nsl:]

metadata = '/Users/user1/Desktop/Python/metadata.xml'
tree = ET.parse(metadata)
root = tree.getroot()

remove_namespace(root, u'http://apple.com/itunes/importer')
tree.write('/Users/user1/Desktop/Python/done.xml',
       pretty_print=True, xml_declaration=True, encoding='UTF-8')

使用了来自

---

正如Uku Loskit所建议的，通过搜索以“xmlns”开头的标记，这个方法可以很容易地扩展到删除任何名称空间属性。除此之外，使用

更新

一些标签，如

Comment

在访问

tag

属性时返回函数。为此增加了一名警卫。（1） 您需要做的就是：

objectify.deannotate(root, cleanup_namespaces=True)

---

获取根之后，通过使用

root=tree.getroot（）

这里还有两种删除名称空间的方法。第一个使用lxml.etree.QName助手，而第二个使用正则表达式。这两个函数都允许可选的名称空间列表进行匹配。如果未提供名称空间列表，则将删除所有名称空间。属性键也会被清除

from lxml import etree
import re

def remove_namespaces_qname(doc, namespaces=None):

    for el in doc.getiterator():

        # clean tag
        q = etree.QName(el.tag)
        if q is not None:
            if namespaces is not None:
                if q.namespace in namespaces:
                    el.tag = q.localname
            else:
                el.tag = q.localname

            # clean attributes
            for a, v in el.items():
                q = etree.QName(a)
                if q is not None:
                    if namespaces is not None:
                        if q.namespace in namespaces:
                            del el.attrib[a]
                            el.attrib[q.localname] = v
                    else:
                        del el.attrib[a]
                        el.attrib[q.localname] = v
    return doc


def remove_namespace_re(doc, namespaces=None):

    if namespaces is not None:
        ns = list(map(lambda n: u'{%s}' % n, namespaces))

    for el in doc.getiterator():

        # clean tag
        m = re.match(r'({.+})(.+)', el.tag)
        if m is not None:
            if namespaces is not None:
                if m.group(1) in ns:
                    el.tag = m.group(2)
            else:
                el.tag = m.group(2)

            # clean attributes
            for a, v in el.items():
                m = re.match(r'({.+})(.+)', a)
                if m is not None:
                    if namespaces is not None:
                        if m.group(1) in ns:
                            del el.attrib[a]
                            el.attrib[m.group(2)] = v
                    else:
                        del el.attrib[a]
                        el.attrib[m.group(2)] = v
    return doc

首先，用于从标记名中删除命名空间前缀：

>>> root.tag
'{http://apple.com/itunes/importer}package'
>>> etree.QName(root).localname
'package'

然后，使用从树中删除未使用的命名空间声明

完整示例：

from lxml import etree

input_xml = '''
<package xmlns="http://apple.com/itunes/importer">
  <provider>some data</provider>
  <language>en-GB</language>
</package>
'''
root = etree.fromstring(input_xml)

# Remove namespace prefixes
for elem in root.getiterator():
    elem.tag = etree.QName(elem).localname
# Remove unused namespace declarations
etree.cleanup_namespaces(root)

print(etree.tostring(root).decode())

从lxml导入etree
输入xml=“”
一些数据
欧洲标准
'''
root=etree.fromstring（输入xml）
#删除名称空间前缀
对于root.getiterator（）中的元素：
elem.tag=etree.QName（elem.localname）
#删除未使用的命名空间声明
etree.cleanup\u名称空间（根）
打印（etree.tostring（root.decode（））

输出XML:

<package>
  <provider>some data</provider>
  <language>en-GB</language>
</package>

一些数据
欧洲标准

您还可以使用XSLT剥离名称空间

XSLT1.0（test.xsl）

输出

<?xml version='1.0' encoding='UTF-8'?>
<package>
  <provider>some data</provider>
  <language>en-GB</language>
</package>

一些数据
欧洲标准

您可以尝试使用lxml：

# Remove namespace prefixes
for elem in root.getiterator():
    namespace_removed = elem.xpath('local-name()')

---

因此，我意识到这是一个较老的答案，投票率较高且被接受，但如果你正在阅读大文件，并发现自己处于与我相同的困境中；我希望这对你有帮助

这种方法的问题实际上是迭代。不管解析器有多快，做任何事情都可以说。。。10万次就会消耗你的执行时间。话虽如此，我还是要认真思考这个问题，并理解名称空间是如何工作的（或者是“打算工作的”，因为实际上并不需要名称空间）。现在，如果您的xml确实使用名称空间，这意味着您看到的标记如下：

，那么您需要根据您的用例调整这里的方法。我还将包括整个处理方式

免责声明：凭良心，我不能告诉您在解析html/xml时使用正则表达式，请查看SergiyKolesnikov的答案，因为它是有效的，但我有一个边缘案例，所以说。。。让我们来研究一下正则表达式吧！ 问题：名称空间剥离需要永远。。。大多数情况下，名称空间只存在于最开始的标记或我们的“根””中。因此，在思考python如何读取中的信息，以及我们唯一的问题子节点是根节点的位置时，为什么不利用它来发挥我们的优势呢

请注意：我正在使用的这个文件作为我的示例，它是一个原始的、可怕的、毫无意义的lulz结构，并承诺在其中的某个地方包含数据

my_file

是我在示例中使用的文件路径，出于专业原因，我无法与您共享；为了得到这个答案，它被缩小了

导入操作系统、系统、子流程、re、io、json
从lxml导入etree
#如果在家里一起玩，你的文件将是“最大的文件”
我的文件=\u最大的\u文件
元内容(
exists=os.path.exists（\u最大的\u文件），
sizeof=os.path.getsize（_最大的文件），
extension_is_a_real_thing=any（re.findall（“\（html | xml）$”，my_file，re.I）），
系统认为它是子进程。检查输出(
[“文件”、“-i”、\u文件]
).decode（）.split（“：”[-1:[0].strip（）
)
打印（json.dumps（meta_stuff，indent=2））

所以对于初学者来说，大小适中，系统最多只能认为是html；文件扩展名既不是xml也不是html

{
“存在”：是的，
“sizeof”：24442371，
“扩展是真实的”：错误，
“系统认为它是”：“text/html；charset=us ascii”
}

方法：

为了解析xml文件。。。它至少应该是xml，因此如果不存在声明标记，我们需要检查并添加声明标记

如果我有名称空间。。这很糟糕，因为我不能使用XPath，这正是我想要做的

如果我的文件很大，我应该只对可以想象的最小部分进行操作，在我准备解析它之前，我需要清理这些部分

作用

def速度_读取（文件路径）：
#我们要低调一点，用这个字符串加上我们自己的。很好
_xml_dec=“”
#更糟糕的是。。rgx for xml现在开始
# 
#我们需要提取文档中找到的第一个节点，
#因为出于我们的目的，我们知道它的名称空间uri
#ie：“属性”
#第一个节点：
#我们将取出第一个节点，得到标签的实际名称
#这意味着：
#    ...
#我们采摘：
#实际名称
#然后我们要用这个名字做的标签替换整个标签
#通过简单的字符串替换
# 
#->“从头开始，捕获<和>”之间的所有内容”
_第一个节点=re.compile（“^（\）”，re.I | re.M | re.U）
#->'从头开始，但在解析XML字符串之后，不要立即给我定义并调用以下函数：

从lxml导入etree
def clean_xml_名称空间（根）：
对于root.getiterator（）中的元素：
如果isinstance（元素，etree.\u注释）：
持续
element.tag=etree.QName（element）.localname
etree.cleanup\u名称空间（根）

如果是内置函数，则elem.tag上的find（）将失败
<package>
  <provider>some data</provider>
  <language>en-GB</language>
</package>

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output indent="yes"/>
  <xsl:strip-space elements="*"/>

  <xsl:template match="node()">
    <xsl:copy>
      <xsl:apply-templates select="@*|node()"/>
    </xsl:copy>
  </xsl:template>

  <xsl:template match="*" priority="1">
    <xsl:element name="{local-name()}" namespace="">
      <xsl:apply-templates select="@*|node()"/>
    </xsl:element>
  </xsl:template>

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

</xsl:stylesheet>

from lxml import etree

tree = etree.parse("metadata.xml")
xslt = etree.parse("test.xsl")

new_tree = tree.xslt(xslt)

print(etree.tostring(new_tree, pretty_print=True, xml_declaration=True, 
                     encoding="UTF-8").decode("UTF-8"))

<?xml version='1.0' encoding='UTF-8'?>
<package>
  <provider>some data</provider>
  <language>en-GB</language>
</package>

# Remove namespace prefixes
for elem in root.getiterator():
    namespace_removed = elem.xpath('local-name()')