Python利用命名空间解析XML文档

林见深

发布时间：2026-10-14| 5人浏览过

原创

本文介绍如何在Python中处理带有命名空间的XML文档。通过封装XMLNamespaces类简化ElementTree的查询操作，避免繁琐的全URI匹配。同时对比了iterparse的高级用法，并建议在需要DTD验证或复杂XPath时优先使用lxml库，以提升解析效率与功能支持。

问题背景

问题

你需要解析一个包含XML命名空间的文档。

解决方案与实现

解决方案

参考以下包含命名空间的文档示例：


<?xml version="1.0" encoding="utf-8"?>
<top>
  <author>David Beazley</author>
  <content>
    <html xmlns="http://www.w3.org/1999/xhtml">
      <head>
        <title>Hello World</title>
      </head>
      <body>
        <h1>Hello World!</h1>
      </body>
    </html>
  </content>
</top>

直接解析该文档并进行常规查询会发现操作相当繁琐，因为每一步都需要处理复杂的命名空间前缀。


>>> # 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'
>>>

你可以将命名空间处理逻辑封装为一个工具类，从而简化这一过程：


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)

使用该类的方式如下所示：


>>> 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'
>>>

深入讨论与进阶建议

讨论

解析包含命名空间的XML文档通常比较繁琐。上述的 XMLNamespaces 类仅允许你使用缩略名替代完整的URI，使代码看起来稍微简洁一些。

遗憾的是，在基础的 ElementTree 解析中，没有直接获取命名空间信息的方法。不过，如果你使用 iterparse() 函数，则可以获取更多关于命名空间作用域的信息。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，如果你处理的XML文本除了使用命名空间外还涉及其他高级XML特性，建议改用函数库替代 ElementTree。例如，lxml 对利用DTD验证文档、更强大的XPath支持以及其他高级XML特性提供了更好的支持。本节内容主要旨在让XML解析过程变得稍微简单一些。

以上就是Python利用命名空间解析XML文档的详细内容，更多关于Python命名空间解析XML文档的资料请关注本站其它相关文章！