时间戳

首页 > 解决方案 > 使用 lxml 解析 xml 时在标记中保留命名空间前缀

python-3.x - 使用 lxml 解析 xml 时在标记中保留命名空间前缀

问题描述

我有一个如下的xml。很少有以ceexample为前缀的标签<ce:title>。当我使用 xpath 运行如下代码时，在输出中将<ce:title>替换为<title>. 我确实在 SO 上看到了其他链接，例如如何在使用 lxml 解析 HTML 时保留名称空间信息？但不确定在何处以及如何添加命名空间详细信息。

有人可以建议吗？如何保留<ce:title>以下 xml？

from lxml import html
from lxml.etree import tostring
with open('102277033304.xml', encoding='utf-8') as file_object:
    xml = file_object.read().strip()
    root = html.fromstring(xml)
    for element in root.xpath('//item/book/pages/*'):
        html = tostring(element, encoding='utf-8')
        print(html)

XML:

<item>
    <book>
        <pages>
            <page-info>
                <page>
                  <ce:title>Chapter 1</ce:title>
                  <content>Welcome to Chapter 1</content>
                </page>
                <page>
                 <ce:title>Chapter 2</ce:title>
                 <content>Welcome to Chapter 2</content>
                </page>
            </page-info>
            <page-fulltext>Published in page 1</page-fulltext>
            <page-info>
                <page>
                  <ce:title>Chapter 1</ce:title>
                  <content>Welcome to Chapter 1</content>
                </page>
                <page>
                 <ce:title>Chapter 2</ce:title>
                 <content>Welcome to Chapter 2</content>
                </page>
            </page-info>
            <page-fulltext>Published in page 2</page-fulltext>
            <page-info>
                <page>
                  <ce:title>Chapter 1</ce:title>
                  <content>Welcome to Chapter 1</content>
                </page>
                <page>
                 <ce:title>Chapter 2</ce:title>
                 <content>Welcome to Chapter 2</content>
                </page>
            </page-info>
            <page-fulltext>Published in page 3</page-fulltext>
        </pages>
    </book>
</item>

标签： python-3.xlxml

解决方案

这可能是由于您使用 html 解析器来读取 xml 造成的。

试试这样：

from lxml import etree
root = etree.XML(xml)
for element in root.xpath('//item/book/pages/*'):
        xml = etree.tostring(element, encoding='utf-8')
        print(xml)

这应该会给你预期的输出。

推荐阅读