lxmlのfind/findallでxml名前空間を使用するにはどうすればよいですか？

Question

私はOpenOffice ODSスプレッドシートのコンテンツを解析しようとしています。 ods形式は、本質的には多数の文書を含むzipファイルです。スプレッドシートのコンテンツは 'content.xml'に保存されます。

import zipfile 
from lxml import etree 

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

スプレッドシートの内容がセル内にある：

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

また、行のためにまっすぐに行くことができます：

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

個々の要素は、名前空間について知っている：

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

find/findallに直接ネームスペースを使用しますか？

明白な解決法は機能しません。表から行を取得しよう

：

>>> 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

root.nsmapがtable名前空間接頭辞が含まれているなら、あなたはできます

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

findall(path)ではなくnamespace:nameの{namespace}name構文を受け付けます。したがって、pathは、に渡す前に、{namespace}name形式の名前空間辞書を使用して前処理する必要があります。

Answer 2

XML文書内のすべての名前空間を取得する方法です（プレフィックスの競合がないと仮定します）。

私は、名前空間のURLとプレフィックスだけを事前に知っているXML文書を解析するときにこれを使用します。

 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

たぶん、注意すべき最初の事は名前空間 が要素レベル、ないドキュメントレベルで定義されているということです。ほとんどの場合

しかし、すべての名前空間は、私たちは、内側xmlnsスコープを収集するためにそれをすべて解析し保存した文書の ルート要素（ここではoffice:document-content）、で宣言されています。

その後要素nsMapには含まれています：

• デフォルトの名前空間、None接頭辞（常にではない）
• で、すべての祖先の名前空間を、上書きされない限り。 ChrisRはmentionnedとして、デフォルトの名前空間がサポートされていない

場合は、 あなたはよりコンパクトな表現で それをフィルタリングするdict comprehensionを使用することができます。

xpathと ElementPathの構文が少し異なります。

---

だからここにあなたがすべてのあなたの最初のテーブルの行 を取得するために使用できるコードがあります（：lxml=3.4.2でテスト）：

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)