python – 在具有不一致的命名空间声明的文档上使用iterparse,然后使用xpath

2024-04-09 13:02:59

我需要整理一段代码,将可能很大的XML文件解析为自定义Python对象.这个想法大致如下：

from lxml import etree
for e, tag in etree.iterparse(source, tag='Foo'):
    print tag.xpath('bar/baz')[42] # there's actually a function call here

问题是,一些文档有一个名称空间声明,有些文档没有.这意味着在上面的代码中tag =’Foo’和xpath部分都不起作用.

现在我一直在忍受丑陋

for e, tag in etree.iterparse(source):
    if tag.tag.endswith('Foo'):
        print tag.xpath('*[local-name()="bar"]/*[local-name()="baz"]')[42]

但是这太可怕了,即使它工作正常我也想要做对. (我想它也应该慢一点.)

有没有办法编写使用iterparse来解释这两种情况的合理代码？
现在我只能想到捕获start-ns和end-ns事件并更新“状态保持”变量,我必须将其传递给在循环中调用的函数来完成工作.然后,该函数将相应地构造xpath查询.这有点道理,但我想知道是否有更简单的方法.

附：我显然已经尝试过搜索,但是没有找到一个既可以使用也可以不使用命名空间的解决方案.我也接受一个消除XML命名空间的解决方案,但前提是它不会在整个过程中将整个树存储在RAM中.

解决方法:

所有元素都有.nsmap映射属性;用它来检测你的命名空间和相应的分支.

码农公寓