使用 xml.etree.ElementTree 在 Python 中进行简单的 dom 遍历答案

【问题标题】：Simple dom traversing in Python using xml.etree.ElementTree使用 xml.etree.ElementTree 在 Python 中进行简单的 dom 遍历
【发布时间】：2014-02-04 10:52:15
【问题描述】：

例如考虑解析pom.xml 文件：

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">

    <parent>
        <groupId>com.parent</groupId>
        <artifactId>parent</artifactId>
        <version>1.0-SNAPSHOT</version>
        <relativePath>../pom.xml</relativePath>
    </parent>

    <modelVersion>2.0.0</modelVersion>
    <groupId>com.parent.somemodule</groupId>
    <artifactId>some_module</artifactId>
    <packaging>jar</packaging>
    <version>1.0-SNAPSHOT</version>
    <name>Some Module</name>
    ...

代码：

import xml.etree.ElementTree as ET

tree = ET.parse(pom)
root = tree.getroot()

groupId = root.find("groupId")
artifactId = root.find("artifactId")

groupId 和 artifactId 都是 None。为什么当他们是根的直系后代时？我试图用tree (groupId = tree.find("groupId")) 替换root，但这并没有改变任何东西。

【问题讨论】：

Parsing XML with namespace in Python ElementTree的可能重复

标签： python xml dom elementtree

【解决方案1】：

问题是你没有有一个名为groupId的孩子，你有一个名为{http://maven.apache.org/POM/4.0.0}groupId的孩子，因为etree不会忽略XML命名空间，它使用“通用名称” .请参阅 effbot 文档中的 Working with Namespaces and Qualified Names。

【讨论】：

我可以让它忽略命名空间吗？
@amphibient：不直接，不。如果您阅读我链接的文档页面，它会向您展示正确处理此问题的各种方法。
@amphibient：这不是迟钝；如果您忽略它们，使用名称空间来解决歧义问题的 XML 将被破坏。（XML 作为一个整体有点迟钝，但那是另一回事……）对于快速而肮脏的脚本，您需要像 BeautifulSoup 这样的快速而肮脏的解析器，而不是试图正确的解析器。
@amphibient: 无论如何，我可以给你代码来解决你的问题，但是如果你不真正理解命名空间和通用名称，那么这些代码对你没有任何好处，所以你几乎必须阅读该文件。如果您之后有任何问题，我可以提供帮助。
我认为“延迟”是无法忽略命名空间并使用它，就好像根只是 <project> 而不是 <project xmlns="...">。为什么没有一个功能可以忽略它以简化处理？

【解决方案2】：

只是为了扩展 abarnert 对 BeautifulSoup 的评论，如果您只想快速而肮脏地解决问题，这可能是最快的方法。我已经实现了这个（用于个人脚本），它使用 bs4，您可以在其中遍历树

element = dom.getElementsByTagNameNS('*','elementname')

这将使用 ANY 命名空间引用 dom，如果您知道文件中只有一个命名空间，则很方便，因此不会有歧义。

【讨论】：