通过'在Python中解析带有名称空间的XML；元素树&x27；

我想使用Python的

ElementTree

解析以下XML：

篮球联赛
互相竞争的一组运动队
打篮球

我想找到所有

owl:Class

标记，然后提取其中所有

rdfs:label

实例的值。我正在使用以下代码：

tree=ET.parse（“文件名”）
root=tree.getroot（）
root.findall（'owl:Class'）

由于名称空间的原因，我得到以下错误

SyntaxError:在前缀映射中找不到前缀“owl”

我尝试在上阅读该文档，但由于上面的XML具有多个嵌套名称空间，因此仍然无法使其正常工作

---

请告诉我如何更改代码以查找所有的

owl:Class

标记。

ElementTree在名称空间方面不太聪明。您需要为

.find（）

、

findall（）

和

iterfind（）

方法提供一个显式的命名空间字典。这一点没有很好的记录：

namespaces = {'owl': 'http://www.w3.org/2002/07/owl#'} # add more as needed

root.findall('owl:Class', namespaces)

前缀只能在传入的

名称空间

参数中查找。这意味着您可以使用任何您喜欢的名称空间前缀；API分离了

owl:

部分，在

namespaces

字典中查找相应的名称空间URL，然后更改搜索以查找XPath表达式

{http://www.w3.org/2002/07/owl}类

。当然，您也可以自己使用相同的语法：

root.findall('{http://www.w3.org/2002/07/owl#}Class')

---

如果你能换到更好的东西；该库支持相同的ElementTree API，但在元素的

.nsmap

属性中为您收集名称空间。

下面介绍如何使用lxml实现这一点，而无需硬编码名称空间或扫描文本（如Martijn Pieters所述）：

更新：

5年后，我仍然遇到这个问题的变化。正如我在上面所展示的，lxml很有帮助，但并非在所有情况下都是如此。当涉及到合并文档时，评论者可能对这种技术有一个正确的观点，但我认为大多数人在简单地搜索文档时都有困难

下面是另一个案例以及我是如何处理的：

<?xml version="1.0" ?><Tag1 xmlns="http://www.mynamespace.com/prefix">
<Tag2>content</Tag2></Tag1>

注意：这对于Python的ElementTree标准库来说非常有用，而不需要使用硬编码的名称空间

要从XML数据中提取命名空间的前缀和URI，可以使用

ElementTree.iterparse

函数，仅解析命名空间开始事件（start ns）：

---

我一直在使用类似的代码，并发现它总是值得阅读的文档。。。像往常一样

findall（）将只查找当前标记的直接子元素。所以，不是全部

让您的代码处理以下内容可能是值得的，特别是当您处理大型复杂的xml文件时，这样子元素（等等）也包括在内。 如果您知道元素在xml中的位置，那么我想这很好！只是觉得这值得记住

root.iter()

参考：

---

Element.findall（）只查找带有标记的元素，这些标记是当前元素的直接子元素。Element.find（）查找带有特定标记的第一个子元素，Element.text访问元素的文本内容。Element.get（）访问元素的属性：“

以名称空间格式获取名称空间，例如

{myNameSpace}”

，您可以执行以下操作：

from io import StringIO
from xml.etree import ElementTree
def get_namespaces(xml_string):
    namespaces = dict([
            node for _, node in ElementTree.iterparse(
                StringIO(xml_string), events=['start-ns']
            )
    ])
    namespaces["ns0"] = namespaces[""]
    return namespaces

root=tree.getroot（）
ns=re.match（r'{.*}'，root.tag）.group（0）

这样，您可以在以后的代码中使用它来查找节点，例如使用字符串插值（Python3）

link=root.find（f“{ns}link”）

我的解决方案基于@Martijn Pieters的评论：

register\u命名空间

只影响序列化，而不影响搜索

所以这里的技巧是使用不同的字典进行序列化和搜索

namespaces = {
    '': 'http://www.example.com/default-schema',
    'spec': 'http://www.example.com/specialized-schema',
}

现在，注册所有名称空间以进行解析和写入：

for name, value in namespaces.iteritems():
    ET.register_namespace(name, value)

对于搜索（

find（）

，

findall（）

，

iterfind（）

），我们需要一个非空前缀。向这些函数传递一个修改过的字典（这里我修改了原始字典，但这必须在注册名称空间之后进行）

现在，来自

find（）

系列的函数可以与

default

前缀一起使用：

print root.find('default:myelem', namespaces)

但是

---

默认名称空间中的元素不使用任何前缀。

这基本上是Davide Brunato的答案，但我发现他的答案存在严重问题，默认名称空间是空字符串，至少在我的python 3.6安装中是如此。我从他的代码中提炼出的、对我有用的函数如下：

from io import StringIO
from xml.etree import ElementTree
def get_namespaces(xml_string):
    namespaces = dict([
            node for _, node in ElementTree.iterparse(
                StringIO(xml_string), events=['start-ns']
            )
    ])
    namespaces["ns0"] = namespaces[""]
    return namespaces

其中，

ns0

只是空名称空间的占位符，您可以用任意随机字符串替换它

如果我这样做：

my_namespaces = get_namespaces(my_schema)
root.findall('ns0:SomeTagWithDefaultNamespace', my_namespaces)

---

它还使用默认名称空间为标记生成正确答案。

谢谢。你知道如何直接从XML中获取名称空间，而不用硬编码吗？或者我怎么能忽视它？我尝试了findall（{*}Class'），但在我的例子中它不起作用；正如答案中所述，

lxml

为您完成了这项工作，

xml.etree.ElementTree

模块没有。但是，如果您试图匹配一个特定的（已经硬编码的）元素，那么您也在尝试匹配一个特定名称空间中的特定元素。该名称空间在文档之间的更改不会超过元素名称的更改。您也可以使用元素名对其进行硬编码。@Jon:

register\u namespace

只影响序列化，而不影响搜索。可能有用的小添加：当使用

cElementTree

而不是

ElementTree

时，

findall

不会将名称空间作为关键字参数，而只是作为普通参数，即

self.namespaces['default'] = self.namespaces['']

print root.find('default:myelem', namespaces)

tree.write(destination)

from io import StringIO
from xml.etree import ElementTree
def get_namespaces(xml_string):
    namespaces = dict([
            node for _, node in ElementTree.iterparse(
                StringIO(xml_string), events=['start-ns']
            )
    ])
    namespaces["ns0"] = namespaces[""]
    return namespaces

my_namespaces = get_namespaces(my_schema)
root.findall('ns0:SomeTagWithDefaultNamespace', my_namespaces)