通过'ElementTree'在Python中使用名称空间解析XML

我有以下要使用Python解析的XML ElementTree：

<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>

我想找到所有owl:Class标签，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("filename")
root = tree.getroot()
root.findall('owl:Class')

由于命名空间的原因，出现以下错误。

SyntaxError: prefix 'owl' not found in prefix map

我尝试阅读http://effbot.org/zone/element-namespaces.htm上的文档，但由于上述XML具有多个嵌套的名称空间，因此仍然无法正常工作。

请让我知道如何更改代码以查找所有owl:Class标签。

ElementTree对名称空间不太聪明。你需要给的.find()，findall()和iterfind()方法的明确的命名空间字典。这没有很好的记录：

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

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

仅在namespaces您传入的参数中查找前缀。这意味着您可以使用任何喜欢的名称空间前缀；API会分开owl:一部分，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}Class。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')

如果可以切换到lxml库，那就更好了；该库支持相同的ElementTree API，但会在.nsmap元素的属性中为您收集名称空间。

这是使用lxml来执行此操作的方法，而不必对名称空间进行硬编码或对其进行扫描（如Martijn Pieters所述）：

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。如上所述，lxml可以提供帮助，但并非在每种情况下都可以。评论者在合并文档时可能会对此技术有个正确的认识，但我认为大多数人都很难仅搜索文档。

这是另一种情况以及我的处理方式：

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

不带前缀的xmlns意味着未加前缀的标签将获得此默认名称空间。这意味着当您搜索Tag2时，需要包括名称空间才能找到它。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。所以，我像这样创建了一个新的命名空间字典

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：这是对Python的ElementTree标准库有用的答案，而无需使用硬编码的名称空间。

要从XML数据提取名称空间的前缀和URI，可以使用ElementTree.iterparse函数，仅解析名称空间启动事件（start-ns）：

>>> 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功能：

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...像往常一样！

findall（）将只查找当前标签的直接子元素。所以，不是全部。

尝试使代码与以下代码一起使用可能会值得您投入，尤其是在处理大型而复杂的xml文件时，还包括子子元素（等）。如果您自己了解xml中元素的位置，那么我想就可以了！只是认为这值得记住。

root.iter()

参考：https : //docs.python.org/3/library/xml.etree.elementtree.html#finding-interesting-elements “ Element.findall（）仅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（）查找带有特定标记的第一个子元素，然后Element.text访问元素的文本内容。Element.get（）访问元素的属性：“

以其名称空间格式获取名称空间，例如 {myNameSpace}，可以执行以下操作：

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 仅影响序列化，不影响搜索。

因此，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后的字典（这里我修改了原始字典，但这必须在注册了名称空间之后才能进行）。

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

现在，该find()系列的功能可以与default前缀一起使用：

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

但

tree.write(destination)

默认名称空间中的元素不使用任何前缀。