python - 通过 'ElementTree' 在 Python 中使用命名空间解析 XML

Question

我有以下想要使用 Python 的 ElementTree 解析的 XML:

<rdf:RDF xml:base="http://dbpedia.org/ontology/"
    xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
    xmlns:owl="http://www.w3.org/2002/07/owl#"
    xmlns:xsd="http://www.w3.org/2001/XMLSchema#"
    xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"
    xmlns="http://dbpedia.org/ontology/">

    <owl:Class rdf:about="http://dbpedia.org/ontology/BasketballLeague">
        <rdfs:label xml:lang="en">basketball league</rdfs:label>
        <rdfs:comment xml:lang="en">
          a group of sports teams that compete against each other
          in Basketball
        </rdfs:comment>
    </owl:Class>

</rdf:RDF>

我想找到所有 owl:Class 标签，然后提取其中所有 rdfs:label 实例的值。我正在使用以下代码:

tree = ET.parse("filename")
root = tree.getroot()
root.findall('owl:Class')

由于命名空间，我收到以下错误。

SyntaxError: prefix 'owl' not found in prefix map

我尝试阅读 http://effbot.org/zone/element-namespaces.htm 上的文档但由于上述 XML 有多个嵌套命名空间，因此我仍然无法正常工作。

请告诉我如何更改代码以找到所有 owl:Class 标记。

Answer 1

你需要给 .find()、findall() 和 iterfind() 方法一个显式的命名空间字典:

namespaces = {'owl': 'http://www.w3.org/2002/07/owl#'} # add more as needed

root.findall('owl:Class', namespaces)

前缀只在你传入的namespaces参数中查找。这意味着你可以使用任何你喜欢的命名空间前缀； API 分离出 owl: 部分，在 namespaces 字典中查找相应的命名空间 URL，然后更改搜索以查找 XPath 表达式 {http://www.w3.org/2002/07/owl}Class 代替。当然，您也可以自己使用相同的语法:

root.findall('{http://www.w3.org/2002/07/owl#}Class')

另见 Parsing XML with Namespaces section ElementTree 文档。

如果可以切换到lxml library事情变得更好了；该库支持相同的 ElementTree API，但在元素的 .nsmap 属性中为您收集命名空间，并且通常具有出色的命名空间支持。