Wie verwende ich XML-Namespaces mit find/findall in Lxml?

Question

Ich versuche, Inhalt in einer OpenOffice ODS-Tabelle zu analysieren. Das ods-Format ist im Wesentlichen nur eine Zip-Datei mit einer Anzahl von Dokumenten. Der Inhalt der Tabelle wird in 'content.xml' gespeichert.

import zipfile 
from lxml import etree 

zf = zipfile.ZipFile('spreadsheet.ods') 
root = etree.parse(zf.open('content.xml')) 

Der Inhalt der Tabelle ist in einer Zelle:

table = root.find('.//{urn:oasis:names:tc:opendocument:xmlns:table:1.0}table') 

Wir haben auch gerade für die Zeilen gehen kann:

rows = root.findall('.//{urn:oasis:names:tc:opendocument:xmlns:table:1.0}table-row') 

Die einzelnen Elemente kennen die Namespaces:

>>> table.nsmap['table'] 
'urn:oasis:names:tc:opendocument:xmlns:table:1.0' 

Wie? Ich benutze die Namespaces direkt in find/findall?

Die offensichtliche Lösung funktioniert nicht.

Der Versuch, die Zeilen aus der Tabelle zu erhalten:

>>> root.findall('.//table:table') 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
    File "lxml.etree.pyx", line 1792, in lxml.etree._ElementTree.findall (src/lxml/lxml.etree.c:41770) 
    File "lxml.etree.pyx", line 1297, in lxml.etree._Element.findall (src/lxml/lxml.etree.c:37027) 
    File "/usr/lib/python2.6/dist-packages/lxml/_elementpath.py", line 225, in findall 
    return list(iterfind(elem, path)) 
    File "/usr/lib/python2.6/dist-packages/lxml/_elementpath.py", line 200, in iterfind 
    selector = _build_path_iterator(path) 
    File "/usr/lib/python2.6/dist-packages/lxml/_elementpath.py", line 184, in _build_path_iterator 
    selector.append(ops[token[0]](_next, token)) 
KeyError: ':' 

Answer 1

Wenn root.nsmap enthält den table Namespacepräfix dann könnten Sie:

root.xpath('.//table:table', namespaces=root.nsmap) 

findall(path) nimmt {namespace}name Syntax statt namespace:name. Daher sollte path mit dem Namespace-Dictionary vorverarbeitet werden, bevor es an findall() übergeben wird.

Answer 2

Hier ist eine Möglichkeit, alle Namespaces im XML-Dokument zu erhalten (und vorausgesetzt, es gibt keinen Präfixkonflikt).

Ich benutze dies beim Parsen von XML-Dokumenten, wo ich im Voraus weiß, was die Namespace-URLs sind, und nur das Präfix.

 doc = etree.XML(XML_string) 

     # Getting all the name spaces. 
     nsmap = {} 
     for ns in doc.xpath('//namespace::*'): 
      if ns[0]: # Removes the None namespace, neither needed nor supported. 
       nsmap[ns[0]] = ns[1] 
     doc.xpath('//prefix:element', namespaces=nsmap) 

Answer 3

Vielleicht das erste, was ist zu bemerken, dass die Namensräume bei Element definiert sind Ebene, nicht Dokumentebene.

Meistens jedoch alle Namensräume im Wurzelelement (office:document-content hier) des Dokuments deklariert sind, die uns rettet Parsen es alle inneren xmlns Bereiche zu sammeln.

Dann ein Element nsmap umfasst:

• Standard-Namespace, mit None Präfix (nicht immer)
• alle Vorfahren Namensraum, es sei denn, außer Kraft gesetzt.

Wenn, wie ChrisR erwähnt, wird der Standard-Namespace nicht unterstützt wird, können Sie dict comprehension verwenden es in einem kompakteren Ausdruck auszufiltern.

Sie haben eine etwas andere Syntax für Xpath und ElementPath.

---

Also hier ist der Code, den Sie erhalten alle die nutzen könnten erste Tabellenzeilen (getestet mit: lxml=3.4.2):

import zipfile 
from lxml import etree 

# Open and parse the document 
zf = zipfile.ZipFile('spreadsheet.ods') 
tree = etree.parse(zf.open('content.xml')) 

# Get the root element 
root = tree.getroot() 

# get its namespace map, excluding default namespace 
nsmap = {k:v for k,v in root.nsmap.iteritems() if k} 

# use defined prefixes to access elements 
table = tree.find('.//table:table', nsmap) 
rows = table.findall('table:table-row', nsmap) 

# or, if xpath is needed: 
table = tree.xpath('//table:table', namespaces=nsmap)[0] 
rows = table.xpath('table:table-row', namespaces=nsmap)