问题

你想解析某个XML文档，文档中使用了XML命名空间。

解决方案

考虑下面这个使用了命名空间的文档：

如果你解析这个文档并执行普通的查询，你会发现这个并不是那么容易，因为所有步骤都变得相当的繁琐。

>>> # Some queries that work
>>> doc.findtext("author")
"David Beazley"
>>> doc.find("content")
<Element "content" at 0x100776ec0>
>>> # A query involving a namespace (doesn"t work)
>>> doc.find("content/html")
>>> # Works if fully qualified
>>> doc.find("content/{http://www.w3.org/1999/xhtml}html")
<Element "{http://www.w3.org/1999/xhtml}html" at 0x1007767e0>
>>> # Doesn"t work
>>> doc.findtext("content/{http://www.w3.org/1999/xhtml}html/head/title")
>>> # Fully qualified
>>> doc.findtext("content/{http://www.w3.org/1999/xhtml}html/"
... "{http://www.w3.org/1999/xhtml}head/{http://www.w3.org/1999/xhtml}title")
"Hello World"
>>>

你可以通过将命名空间处理逻辑包装为一个工具类来简化这个过程：

class XMLNamespaces:
    def __init__(self, **kwargs):
        self.namespaces = {}
        for name, uri in kwargs.items():
            self.register(name, uri)
    def register(self, name, uri):
        self.namespaces[name] = "{"+uri+"}"
    def __call__(self, path):
        return path.format_map(self.namespaces)

通过下面的方式使用这个类：

>>> ns = XMLNamespaces(html="http://www.w3.org/1999/xhtml")
>>> doc.find(ns("content/{html}html"))
<Element "{http://www.w3.org/1999/xhtml}html" at 0x1007767e0>
>>> doc.findtext(ns("content/{html}html/{html}head/{html}title"))
"Hello World"
>>>

讨论

解析含有命名空间的XML文档会比较繁琐。上面的 XMLNamespaces 仅仅是允许你使用缩略名代替完整的URI将其变得稍微简洁一点。

很不幸的是，在基本的 ElementTree 解析中没有任何途径获取命名空间的信息。但是，如果你使用 iterparse() 函数的话就可以获取更多关于命名空间处理范围的信息。例如：

>>> from xml.etree.ElementTree import iterparse
>>> for evt, elem in iterparse("ns2.xml", ("end", "start-ns", "end-ns")):
... print(evt, elem)
...
end <Element "author" at 0x10110de10>
start-ns ("", "http://www.w3.org/1999/xhtml")
end <Element "{http://www.w3.org/1999/xhtml}title" at 0x1011131b0>
end <Element "{http://www.w3.org/1999/xhtml}head" at 0x1011130a8>
end <Element "{http://www.w3.org/1999/xhtml}h1" at 0x101113310>
end <Element "{http://www.w3.org/1999/xhtml}body" at 0x101113260>
end <Element "{http://www.w3.org/1999/xhtml}html" at 0x10110df70>
end-ns None
end <Element "content" at 0x10110de68>
end <Element "top" at 0x10110dd60>
>>> elem # This is the topmost element
<Element "top" at 0x10110dd60>
>>>

最后一点，如果你要处理的XML文本除了要使用到其他高级XML特性外，还要使用到命名空间，建议你最好是使用 lxml 函数库来代替 ElementTree 。例如，lxml 对利用DTD验证文档、更好的XPath支持和一些其他高级XML特性等都提供了更好的支持。这一小节其实只是教你如何让XML解析稍微简单一点。