python3 使用lxml处理XML命名空间

背景

在处理一些XML文件时，我们会遇到带有 xmlns 属性的元素，比如 Maven 项目中的 pom.xml；

这个 xmlns 属性定义了元素的命名空间；

在使用 lxml 解析时，元素和子元素的标签名称不再只是标签名称本身，他们的前面会自动带上xmlns属性指定的URI，

这时如果直接使用 xpath 语法定位标签会非常麻烦，经常定位不到对应的元素，所以在此收集 lxml 处理 XML 命名空间的方法；

举例

from lxml import etree

xml_string = """
<project xmlns="http://maven.apache.org/POM/4.0.0">
    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>
</project>
"""

xml_tree = etree.fromstring(xml_string)
# 迭代获取元素标签
for node in xml_tree.iter():
    print(node.tag)

运行结果

{http://maven.apache.org/POM/4.0.0}project
{http://maven.apache.org/POM/4.0.0}properties
{http://maven.apache.org/POM/4.0.0}project.build.sourceEncoding

将命名空间拼接到字符串

示例代码

from lxml import etree

xslt_content = """
<project xmlns="http://maven.apache.org/POM/4.0.0">
    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>
</project>
"""

xml_tree = etree.fromstring(xslt_content)
# 读取命名空间 并 放进字符串
ns = "{%s}" % xml_tree.nsmap[None]
# 携带命名空间读取xml节点
# 不能用xpath会出错
for item in xml_tree.findall("{0}properties/{0}project.build.sourceEncoding".format(ns)):
    print(item.text)

运行结果

UTF-8

在xpath()方法中携带命名空间

示例代码

from lxml import etree as et

xslt_content = """
<project xmlns="http://maven.apache.org/POM/4.0.0">
    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>
</project>
"""

# 定义命名空间
ns = {"pom": "http://maven.apache.org/POM/4.0.0"}

tree = et.fromstring(xslt_content)
# 携带命名空间解析xml
for node in tree.xpath('//pom:project.build.sourceEncoding', namespaces=ns):
    # 打印 元素包含的 文本
    print(node.text)

运行结果

UTF-8