python ----- xml 命名空间与xpath详解

一、简介

本文章以如下xml 样例进行讲解命名空间和xpath

xml_text="""<?xml version="1.0"?>
            <actors xmlns:fictional="http://characters.example.com"
                    xmlns="http://people.example.com">
                <actor>
                    <name>John Cleese</name>
                    <fictional:character>Lancelot</fictional:character>
                    <fictional:character>Archie Leach</fictional:character>
                </actor>
                <actor>
                    <name>Eric Idle</name>
                    <fictional:character>Sir Robin</fictional:character>
                    <fictional:character>Gunther</fictional:character>
                    <fictional:character>Commander Clement</fictional:character>
                </actor>
            </actors>"""

二、xml命名空间和find命令

xml中可以没有默认命名空间，但是如果要有，只能有一个默认命名空间；当一个xml使用了命名空间语法，则find/findall方法必须使用带有命名空间的调用方式否则无法查询数据。实例如下：

root = ET.fromstring(xml_text)
for actor in root.findall('actor'):   # 结果为空
    name = actor.find('{http://people.example.com}name')
    print(name.text)
    for char in actor.findall('{http://characters.example.com}character'):
        print(' |-->', char.text)

find(match, namespaces=None)
findall(match, namespaces=None)

其中的namespaces是一个dict类型或者一个空字符串，使用方式如下：

ns1={'role1'：'url1'}
find('role1:tag1',ns1)  #查询命名空间在url1的tag1

实例如下：

ns = {'real_person': 'http://people.example.com',
      'role': 'http://characters.example.com'}

for actor in root.findall('real_person:actor', ns):
    name = actor.find('real_person:name', ns)
    print(name.text)
    for char in actor.findall('role:character', ns):
        print(' |-->', char.text)

或者

find('{url1}tag1')  #查询命名空间在url1的tag1

实例如下：

root = fromstring(xml_text)
for actor in root.findall('{http://people.example.com}actor'):
    name = actor.find('{http://people.example.com}name')
    print(name.text)
    for char in actor.findall('{http://characters.example.com}character'):
        print(' |-->', char.text)

三、xpath详解

语法	示例	说明
tag	find(“tag1”)	查询标签为tag1的第一层子元素；spam/tag1 查询标签为spam的第一层子元素下的tag1标签
//	find(“.//a”)	其中.是必须的，否则会报错；该语句会返回当前元素下的所有级别上的a标签，（不包含当前元素）
*	find(“*”)	查询当前级别下的所有子元素，*/egg 查询当前层级下grandchild elements为egg的元素
[position]		位置是指当前层级下第一层子元素的位置，0代表第一个，1代表第二个，依此类推，-1代表倒数第二个

注意： 谓词（方括号内的表达式）前面必须有标记名称、星号或其他谓词。position 谓词前面必须有一个标记名称。

2、实践

find(*)

xml_text1="<a name1='a1'><a name2='a2'><a name3='a3'></a></a><a name2_1='a2_1'><a name3_1='a3_1'></a></a></a>"
root1 = ET.fromstring(xml_text1)
for a in root1.findall('*'):
    print(a.attrib)
    
PS C:\Users\love1\Documents\technology\python\project\test1> python .\test-xml.py
{'name2': 'a2'}
{'name2_1': 'a2_1'}

专业术语
child elements 第一层子元素
grandchild elements 第二层子元素
subelements 所有子元素
on all levels beneath the current element 在当前元素下的所有级别上

引用

python xml xpath