在 Python 中使用 Elementtree 解析 RSS

Question

如何使用 Python 中的 Elementtree 在 XML 中搜索特定于命名空间的标签？

我有一个 XML/RSS 文档，例如：

<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0"
    xmlns:content="http://purl.org/rss/1.0/modules/content/"
    xmlns:wfw="http://wellformedweb.org/CommentAPI/"
    xmlns:dc="http://purl.org/dc/elements/1.1/"
    xmlns:wp="http://wordpress.org/export/1.0/"
>
<channel>
    <title>sometitle</title>
    <pubDate>Tue, 28 Aug 2012 22:36:02 +0000</pubDate>
    <generator>http://wordpress.org/?v=2.5.1</generator>
    <language>en</language>
    <wp:wxr_version>1.0</wp:wxr_version>
    <wp:category><wp:category_nicename>apache</wp:category_nicename><wp:category_parent></wp:category_parent><wp:cat_name><![CDATA[Apache]]></wp:cat_name></wp:category>
</channel>
</rss>

但是当我尝试通过以下方式找到所有“wp:category”标签时：

import xml.etree.ElementTree as xml
tree = xml.parse(fn)
doc = tree.getroot()
categories = doc.findall('channel/wp:category')

我得到错误：

SyntaxError: prefix 'wp' not found in prefix map

搜索任何非命名空间特定字段都可以正常工作。我做错了什么？

Answer 1

您需要handle the namespace prefixes，或者通过使用 iterparse 并直接处理事件，或者通过在解析之前显式声明您感兴趣的前缀。根据您要执行的操作，我会承认，在我比较懒散的时候，我只是在解析 XML 之前用字符串替换去除所有前缀。

编辑：this similar question might help.