需要帮助了解特定 XML 示例中的 XPATH答案

【问题标题】：Need help understanding XPATH in a specific XML example需要帮助了解特定 XML 示例中的 XPATH
【发布时间】：2013-10-02 16:32:18
【问题描述】：

我上周发布了一个关于需要从 xml 中提取一些条目的问题。我试图以一种相当手动的方式来做这件事，并被建议使用 xml 解析器。我一直在尝试使用lxml，但我无法掌握它（我才刚刚开始学习python）。

下面是 XML 结构的一个示例（会有很多“ProgramInformation”分支）

<TVAMain xml:lang="NL" publisher="" publicationTime="2013-09-12T01:43:09+00:00" version="217" xmlns="urn:tva:metadata:2010" xmlns:mpeg7="urn:tva:mpeg7:2008" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="urn:tva:metadata:2010>
  <ProgramDescription>
    <ProgramInformationTable>
        <ProgramInformation programId="crid://bds.tv/95291775">
            <BasicDescription>
                <Title xml:lang="EN" type="main">Rip Off Britain</Title>
                <Synopsis xml:lang="EN" length="short">Consumer series. The team investigates why some viewers have been hit with bills they did not expect for hundreds or even thousands of pounds, and offers some advice.</Synopsis>
                <Keyword xml:lang="EN" type="main">bills</Keyword>
                <Genre href="urn:tva:metadata:cs:UPCEventGenreCS:2009:82">
                     <Name xml:lang="EN">Economics</Name>
                </Genre>
                <Language>EN</Language>
            </BasicDescription>
        </ProgramInformation>
    </ProgramInformationTable>
  </ProgramDescription>
</TVAMain>

我可以检索“crid”和“title”：

tree = etree.parse('UPC_Medium.xml')
root = tree.getroot()

print (root[0][0][0].attrib)
print (root[0][0][0][0][0].text)

这两个项目总是在每个分支下的同一个位置（所以理论上我可以用这种相当粗略的方式检索它们）。不过，我还需要检索类型，这可能会发生变化（因为在它之前会有可变数量的“关键字”条目）。

我认为关键是 XPATH，但我不明白如何实现它（我在这里查看了很多示例）。

请有人帮我实现以下目标：

1) 实现 XPATH 以检索“crid”、标题和流派并将其存储到单独的变量中（我将写入外部文件 - 所有三个需要一起写入）

2) 遍历每个分支以提取上述内容 - 将有数千个条目。

提前致谢！

【问题讨论】：

标签： python xml xpath xml-parsing lxml

【解决方案1】：

尝试以下操作：

nsmap = {'xmlns': 'urn:tva:metadata:2010'}

for info in root.xpath('//xmlns:ProgramInformation', namespaces=nsmap):
    print info.get('programId') # retrieve crid
    print info.find('.//xmlns:Title', namespaces=nsmap).text # retrieve title
    print info.find('.//xmlns:Genre/xmlns:Name', namespaces=nsmap).text # retrieve genre

【讨论】：

感谢您的反馈。那是一种享受。所以我的理解是，在第一行（nsmap）中，我在树的顶部选择了一个唯一的值，并给它起了一个名字（xmlns）。第二行设置我工作的“根”，随后的行相对于该根工作。因此，我假设我想要提取的任何其他标签都指定为 .//xmlns:tag_name/xmlns:next_level_tag_name。对吗？
@Nick，见lxml.etree Tutorial - namespaces。