通过“ElementTree”在 Python 中使用命名空间解析 XML

您需要为 和 方法提供显式命名空间字典：.find()findall()iterfind()

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

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

前缀仅在您传入的参数中查找。这意味着您可以使用任何您喜欢的命名空间前缀;API 拆分部分，在字典中查找相应的命名空间 URL，然后更改搜索以查找 XPath 表达式。当然，您也可以自己使用相同的语法：namespacesowl:namespaces{http://www.w3.org/2002/07/owl}Class

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

另请参阅 ElementTree 文档的“使用命名空间解析 XML”部分。

如果你能切换到 lxml 库，事情会更好;该库支持相同的 ElementTree API，但在元素的属性中为您收集命名空间，并且通常具有高级命名空间支持。.nsmap

以下是使用 lxml 执行此操作的方法，而无需对命名空间进行硬编码或扫描文本以查找它们（正如 Martijn Pieters 所提到的）：

from lxml import etree
tree = etree.parse("filename")
root = tree.getroot()
root.findall('owl:Class', root.nsmap)

更新：

5 年后，我仍然遇到这个问题的变体。正如我上面所展示的，lxml 会有所帮助，但并非在所有情况下都有帮助。在合并文档时，评论者可能对这种技术有道理，但我认为大多数人在简单地搜索文档时都遇到困难。

这是另一个案例以及我如何处理它：

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

没有前缀的 xmln 意味着无前缀标记获取此默认命名空间。这意味着当您搜索 Tag2 时，您需要包含命名空间才能找到它。但是，lxml 创建了一个以 None 为键的 nsmap 条目，我找不到搜索它的方法。因此，我创建了一个新的命名空间字典，如下所示

namespaces = {}
# response uses a default namespace, and tags don't mention it
# create a new ns map using an identifier of our choice
for k,v in root.nsmap.iteritems():
    if not k:
        namespaces['myprefix'] = v
e = root.find('myprefix:Tag2', namespaces)

注意：对于不使用硬编码命名空间的 Python 的 ElementTree 标准库来说，这是一个有用的答案。

要从 XML 数据中提取命名空间的前缀和 URI，您可以使用函数，仅解析命名空间启动事件 （start-ns）：ElementTree.iterparse

>>> from io import StringIO
>>> from xml.etree import ElementTree
>>> my_schema = u'''<rdf:RDF xml:base="http://dbpedia.org/ontology/"
...     xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
...     xmlns:owl="http://www.w3.org/2002/07/owl#"
...     xmlns:xsd="http://www.w3.org/2001/XMLSchema#"
...     xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"
...     xmlns="http://dbpedia.org/ontology/">
... 
...     <owl:Class rdf:about="http://dbpedia.org/ontology/BasketballLeague">
...         <rdfs:label xml:lang="en">basketball league</rdfs:label>
...         <rdfs:comment xml:lang="en">
...           a group of sports teams that compete against each other
...           in Basketball
...         </rdfs:comment>
...     </owl:Class>
... 
... </rdf:RDF>'''
>>> my_namespaces = dict([
...     node for _, node in ElementTree.iterparse(
...         StringIO(my_schema), events=['start-ns']
...     )
... ])
>>> from pprint import pprint
>>> pprint(my_namespaces)
{'': 'http://dbpedia.org/ontology/',
 'owl': 'http://www.w3.org/2002/07/owl#',
 'rdf': 'http://www.w3.org/1999/02/22-rdf-syntax-ns#',
 'rdfs': 'http://www.w3.org/2000/01/rdf-schema#',
 'xsd': 'http://www.w3.org/2001/XMLSchema#'}

然后，可以将字典作为参数传递给搜索函数：

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

我一直在使用与此类似的代码，并发现它总是值得阅读文档......照常！

findall（） 将只查找作为当前标签的直接子元素。所以，不是全部。

尝试让您的代码使用以下内容可能是值得的，尤其是在您处理大型复杂 xml 文件时，以便也包含子子元素（等）。 如果你知道自己的元素在你的xml中的位置，那么我想它会很好！只是觉得这值得记住。

root.iter()

ref： https://docs.python.org/3/library/xml.etree.elementtree.html#finding-interesting-elements “Element.findall（） 只查找带有标签的元素，这些标签是当前元素的直接子元素。Element.find（） 查找第一个带有特定标签的子元素，Element.text 访问元素的文本内容。Element.get（） 访问元素的属性：”

要获取命名空间的命名空间格式，例如 ，您可以执行以下操作：{myNameSpace}

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

这样，您可以稍后在代码中使用它来查找节点，例如使用字符串插值 （Python 3）。

link = root.find(f"{ns}link")

我的解决方案基于 @Martijn Pieters 的评论：

register_namespace只影响序列化，不影响搜索。

因此，这里的诀窍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，注册所有用于解析和写入的命名空间：

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

为了搜索 （， ， ），我们需要一个非空前缀。向这些函数传递一个修改后的字典（这里我修改了原始字典，但只有在注册命名空间后才能这样做）。find()findall()iterfind()

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

现在，该系列中的函数可以与前缀一起使用：find()default

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

但

tree.write(destination)

不对默认命名空间中的元素使用任何前缀。

这基本上是 Davide Brunato 的答案，但是我发现他的答案存在严重问题，默认命名空间是空字符串，至少在我的 python 3.6 安装中是这样。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

where 只是空命名空间的占位符，您可以将其替换为您喜欢的任何随机字符串。ns0

如果我这样做：

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

它还会为使用默认命名空间的标记生成正确答案。