问题：Python ElementTree模块：使用方法“ find”，“ findall”时，如何忽略XML文件的命名空间以找到匹配的元素
我想使用“ findall”方法在ElementTree模块中找到源xml文件的某些元素。
但是，源xml文件（test.xml）具有命名空间。我截断一部分xml文件作为示例：
<?xml version="1.0" encoding="iso-8859-1"?>
<XML_HEADER xmlns="http://www.test.com">
<TYPE>Updates</TYPE>
<DATE>9/26/2012 10:30:34 AM</DATE>
<COPYRIGHT_NOTICE>All Rights Reserved.</COPYRIGHT_NOTICE>
<LICENSE>newlicense.htm</LICENSE>
<DEAL_LEVEL>
<PAID_OFF>N</PAID_OFF>
</DEAL_LEVEL>
</XML_HEADER>示例python代码如下：
from xml.etree import ElementTree as ET
tree = ET.parse(r"test.xml")
el1 = tree.findall("DEAL_LEVEL/PAID_OFF") # Return None
el2 = tree.findall("{http://www.test.com}DEAL_LEVEL/{http://www.test.com}PAID_OFF") # Return <Element '{http://www.test.com}DEAL_LEVEL/PAID_OFF' at 0xb78b90>尽管它可以工作，但是因为有一个命名空间“ {http://www.test.com}”，但是在每个标签前面添加一个命名空间非常不方便。
使用“ find”，“ findall”等方法时，如何忽略命名空间？
回答 0
最好不要解析XML文档本身，而是先解析它，然后修改结果中的标记。这样，您可以处理多个命名空间和命名空间别名：
from io import StringIO # for Python 2 import from StringIO instead
import xml.etree.ElementTree as ET
# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
prefix, has_namespace, postfix = el.tag.partition('}')
if has_namespace:
el.tag = postfix # strip all namespaces
root = it.root这是基于此处的讨论：http : //bugs.python.org/issue18304
更新： rpartition而不是partition确保你得到的标签名postfix，即使没有命名空间。因此，您可以将其压缩：
for _, el in it:
_, _, el.tag = el.tag.rpartition('}') # strip ns回答 1
如果您在解析前从xml中删除xmlns属性，则树中的每个标记都将没有命名空间。
import re
xmlstring = re.sub(' xmlns="[^"]+"', '', xmlstring, count=1)回答 2
到目前为止，答案明确地将命名空间值放在脚本中。对于更通用的解决方案，我宁愿从xml中提取命名空间：
import re
def get_namespace(element):
m = re.match('\{.*\}', element.tag)
return m.group(0) if m else ''并在查找方法中使用它：
namespace = get_namespace(tree.getroot())
print tree.find('./{0}parent/{0}version'.format(namespace)).text回答 3
这是对nonagon答案的扩展，它也剥离了命名空间的属性：
from StringIO import StringIO
import xml.etree.ElementTree as ET
# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
if '}' in el.tag:
el.tag = el.tag.split('}', 1)[1] # strip all namespaces
for at in list(el.attrib.keys()): # strip namespaces of attributes too
if '}' in at:
newat = at.split('}', 1)[1]
el.attrib[newat] = el.attrib[at]
del el.attrib[at]
root = it.rootUPDATE：已添加，list()以便迭代器可以工作（Python 3所需）
回答 4
改善ericspod的答案：
无需全局更改解析模式，我们可以将其包装在支持with构造的对象中。
from xml.parsers import expat
class DisableXmlNamespaces:
def __enter__(self):
self.oldcreate = expat.ParserCreate
expat.ParserCreate = lambda encoding, sep: self.oldcreate(encoding, None)
def __exit__(self, type, value, traceback):
expat.ParserCreate = self.oldcreate然后可以按如下方式使用
import xml.etree.ElementTree as ET
with DisableXmlNamespaces():
tree = ET.parse("test.xml")这种方式的优点在于，它不会更改with块之外无关代码的任何行为。我使用了ericspod的版本（在此同时也使用了expat）在不相关的库中出现错误之后，最终创建了该代码。
回答 5
您也可以使用优雅的字符串格式构造：
ns='http://www.test.com'
el2 = tree.findall("{%s}DEAL_LEVEL/{%s}PAID_OFF" %(ns,ns))或者，如果您确定PAID_OFF仅出现在树的一级中：
el2 = tree.findall(".//{%s}PAID_OFF" % ns)回答 6
如果不使用ElementTree，则cElementTree可以通过替换来强制Expat忽略命名空间处理ParserCreate()：
from xml.parsers import expat
oldcreate = expat.ParserCreate
expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)ElementTree尝试通过调用来使用Expat，ParserCreate()但没有提供不提供命名空间分隔符字符串的选项，以上代码将导致其被忽略，但被警告可能会破坏其他情况。
回答 7
我为此可能会迟到，但我认为这re.sub不是一个好的解决方案。
但是，该重写xml.parsers.expat不适用于Python 3.x版本，
罪魁祸首是xml/etree/ElementTree.py源代码的底部
# Import the C accelerators
try:
# Element is going to be shadowed by the C implementation. We need to keep
# the Python version of it accessible for some "creative" by external code
# (see tests)
_Element_Py = Element
# Element, SubElement, ParseError, TreeBuilder, XMLParser
from _elementtree import *
except ImportError:
pass真是可悲。
解决的办法是先摆脱它。
import _elementtree
try:
del _elementtree.XMLParser
except AttributeError:
# in case deleted twice
pass
else:
from xml.parsers import expat # NOQA: F811
oldcreate = expat.ParserCreate
expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)在Python 3.6上测试。
try如果在代码的某处重新加载或导入模块两次而遇到一些奇怪的错误，例如try 语句，则很有用
- 超过最大递归深度
- AttributeError：XMLParser
顺便说一句，etree源代码看起来真的很乱。
回答 8
让我们结合nonagon的答案和mzjn对一个相关问题的答案：
def parse_xml(xml_path: Path) -> Tuple[ET.Element, Dict[str, str]]:
xml_iter = ET.iterparse(xml_path, events=["start-ns"])
xml_namespaces = dict(prefix_namespace_pair for _, prefix_namespace_pair in xml_iter)
return xml_iter.root, xml_namespaces使用此功能，我们：
创建一个迭代器以获取命名空间和已解析的树对象。
遍历创建的迭代器以获取命名空间命令，我们以后可以传入每个命名空间
find()或findall()调用iMom0的命名空间。- 返回解析树的根元素对象和命名空间。
我认为这是最好的方法，因为无论源XML还是解析后的xml.etree.ElementTree输出都不会受到任何操纵。
我还要感谢Barny的回答，因为它提供了这个难题的重要组成部分（您可以从迭代器获得解析的根）。在此之前，我实际上在应用程序中遍历了两次XML树（一次获取命名空间，第二次获取根）。
