Python 关于xpath查找XML元素的一点总结

测试环境

Win7 64

python 3.4.0

实践出真知

代码如下，更换不同的xpath，和response_to_check进行测试

实验1

xpath = ".//xmlns:return//xmlns:copeWith"

response_to_check = '' \ '<soap:Envelope xmlns="http://www.examp.com" xmlns:soap="http://schemas.xmlsoap.org/soap/envelope/" >' \ ' <node2>' \ ' <id>goods1</id>' \ ' </node2> ' \ ' <ns1:Body xmlns:ns1="http://service.rpt.data.platform.ddt.sf.com/">' \ ' <ns2:selectByPrimaryKeyResponse xmlns:ns2="http://service.rpt.data.platform.ddt.sf2.com/" ' \ ' xmlns="http://www.overide_first_defaul_xmlns.com"> ' \ ' <return>' \ ' <copeWith>1.00</copeWith>' \ ' <discount>0.99</discount>' \ ' <id>144</id>' \ ' <invoice>2</invoice>' \ ' <invoiceType></invoiceType>' \ ' <orderCode>DDT201704071952057186</orderCode>' \ ' <orderDate>2017-04-07 19:52:06.0</orderDate>' \ ' <paid>0.01</paid>' \ ' <payType>pc</payType>' \ ' <productName>快递包</productName>' \ ' <state>0</state>' \ ' <userId>2</userId>' \ ' </return>' \ ' <return>' \ ' <copeWith>2.00</copeWith>' \ ' <discount>0.99</discount>' \ ' <id>143</id>' \ ' <invoice>2</invoice>' \ ' <invoiceType></invoiceType>' \ ' <orderCode>DDT201704071951065731</orderCode>' \ ' <orderDate>2017-04-07 19:51:07.0</orderDate> ' \ ' <paid>0.01</paid>' \ ' <payType>pc</payType>' \ ' <productName>快递包</productName>' \ ' <state>0</state>' \ ' <userId>2</userId>' \ ' </return>' \ ' <return>' \ ' <copeWith>3.00</copeWith>' \ ' <discount>0.99</discount>' \ ' <id>142</id>' \ ' <invoice>2</invoice>' \ ' <invoiceType></invoiceType>' \ ' <orderCode>DDT201704071945408575</orderCode>' \ ' <orderDate>2017-04-07 19:45:40.0</orderDate>' \ ' <paid>0.01</paid>' \ ' <payType>pc</payType>' \ ' <productName>快递包</productName>' \ ' <state>0</state>' \ ' <userId>2</userId>' \ ' </return> ' \ ' <return attr="re">' \ ' <copeWith>4.00</copeWith>' \ ' <copeWith>5.00</copeWith>' \ ' <discount>0.99</discount>' \ ' <id>141</id>' \ ' <invoice>1</invoice>' \ ' <invoiceType>增值税普通发票</invoiceType>' \ ' <orderCode>DDT201704071845403738</orderCode>' \ ' <orderDate>2017-04-07 18:45:41.0</orderDate>' \ ' <paid>0.01</paid>' \ ' <productName>快递包</productName>' \ ' <state>0</state>' \ ' <userId attr="testattr">2</userId>' \ ' </return>' \ ' </ns2:selectByPrimaryKeyResponse>' \ ' </ns1:Body>' \ ' <ns1:Body xmlns:ns1="http://service.rpt.data.platform.ddt.sf.com/">' \ ' <ns2:selectByPrimaryKeyResponse xmlns:ns2="http://service.rpt.data.platform.ddt.sf2.com/"> ' \ ' </ns2:selectByPrimaryKeyResponse>' \ ' <ns2:selectByPrimaryKeyResponse xmlns:ns2="http://service.rpt.data.platform.ddt.sf2.com/"> ' \ ' </ns2:selectByPrimaryKeyResponse>' \ ' </ns1:Body>' \ '</soap:Envelope>'

root = ET.fromstring(response_to_check) print(root) if xpath == '.': text_of_element = root.text else: xmlnsnamespace_dic = {} # 存放名称空间定义 print('正在获取xmlns定义') match_result_list =re.findall('xmlns[^:]?=(.+?)[ |\>|\\\>]', response_to_check, re.MULTILINE) if match_result_list: xmlns = match_result_list[len(match_result_list) - 1] xmlns = xmlns.strip(' ') xmlns = '{' + xmlns + '}' print('xmlns定义为：%s' % xmlns) xmlnsnamespace_dic['xmlns'] = xmlns print('正在获取"xmlns:xxx名称空间定义') match_result_list = re.findall('xmlns:(.+?)=(.+?)[ |>]', response_to_check) for ns in match_result_list: xmlnsnamespace_dic[ns[0]] = '{' + ns[1] + '}' print("最后获取的prefix:uri为：%s" % xmlnsnamespace_dic) print('正在转换元素结点前缀') for dic_key in xmlnsnamespace_dic.keys(): namespace = dic_key + ':' if namespace in xpath: uri = xmlnsnamespace_dic[dic_key] xpath = xpath.replace(namespace, uri) xpath = xpath.replace('"','') print('转换后用于查找元素的xpath：%s' % xpath) try: elements_list = root.findall(xpath) except Exception as e: print('查找元素出错：%s' % e) print('查找到的元素为：%s' % elements_list) for element in elements_list: text_of_element = element.text print(text_of_element)

实验结果

以下为xpath设置不同值时的查找结果

/node 查找结果：报错，不能使用绝对路径

./node2 查找结果：找不到元素

./Body 查找结果：找不到元素

./ns1:Body/selectByPrimaryKeyResponse 查找结果：找不到元素

./ns1:Body/ns2:selectByPrimaryKeyResponse/return

查找结果：找不到元素

./ns1:Body/ns2:selectByPrimaryKeyResponse/xmlns:return[1]/copeWith 查找结果：找不到元素

----------------------------- .

查找结果：根元素，即Envelope元素

ns1:Body 查找结果：所有名称空间为ns1的Body元素

./ns1:Body 查找结果：等同ns1:Body

./ns1:Body/ns2:selectByPrimaryKeyResponse

查找结果：所有名称空间为ns1的Body元素下的所有名为selectByPrimaryKeyResponse的子元素

./ns1:Body/ns2:selectByPrimaryKeyResponse[2] 查找结果：所有名称空间为ns1的Body元素下，名称空间为ns2的第2个名为selectByPrimaryKeyResponse的子元素

./ns1:Body/ns2:selectByPrimaryKeyResponse/xmlns:return 查找结果：所有名称空间为ns1的Body元素下，所有名称空间为ns2,名称为selectByPrimaryKeyResponse的子元素下，所有名称空间定义为 http://www.overide_first_defaul_xmlns.com的return元素

./ns1:Body/ns2:selectByPrimaryKeyResponse/xmlns:return[1]/xmlns:copeWith

查找结果：所有名称空间为ns1的Body元素下，所有名称空间为ns2,名称为selectByPrimaryKeyResponse的子元素下，第一个名称空间定义为http://www.overide_first_defaul_xmlns.com的return元素下，

名称空间定义为http://www.overide_first_defaul_xmlns.com的copyWith元素

.//xmlns:copeWith 查找结果：所有名称空间定义为http://www.overide_first_defaul_xmlns.com的copeWith元素

.//xmlns:copeWith[2] 查找结果：同一个元素节点下，名称空间定义为http://www.overide_first_defaul_xmlns.com的第二个copeWith元素(例中为 <copeWith>5.00</copeWith>' ，注意：这里的数字是针对兄弟节点的，下同，不再赘述)

# 注意：[]里面不支持last()这种谓词，数字可以

.//xmlns:return//xmlns:copeWith" 查找结果：所有名称空间定义为http://www.overide_first_defaul_xmlns.com的return元素下，所有名称空间定义为http://www.overide_first_defaul_xmlns.com的copeWith元素

实验2

对比实验1，去掉selectByPrimaryKeyResponse元素中的xmlns定义：

xmlns="http://www.overide_first_defaul_xmlns.com"

xpath = ".//xmlns:return//xmlns:copeWith" response_to_check = '' \ '<soap:Envelope xmlns="http://www.examp.com" xmlns:soap="http://schemas.xmlsoap.org/soap/envelope/" >' \ ' <node2>' \ ' <id>goods1</id>' \ ' </node2> ' \ ' <ns1:Body xmlns:ns1="http://service.rpt.data.platform.ddt.sf.com/">' \ ' <ns2:selectByPrimaryKeyResponse xmlns:ns2="http://service.rpt.data.platform.ddt.sf2.com/" ' \ ' > ' \ ' <return>' \ ' <copeWith>1.00</copeWith>' \ ' <discount>0.99</discount>' \ ' <id>144</id>' \ ' <invoice>2</invoice>' \ ' <invoiceType></invoiceType>' \ ' <orderCode>DDT201704071952057186</orderCode>' \ ' <orderDate>2017-04-07 19:52:06.0</orderDate>' \ ' <paid>0.01</paid>' \ ' <payType>pc</payType>' \ ' <productName>快递包</productName>' \ ' <state>0</state>' \ ' <userId>2</userId>' \ ' </return>' \ ' <return>' \ ' <copeWith>2.00</copeWith>' \ ' <discount>0.99</discount>' \ ' <id>143</id>' \ ' <invoice>2</invoice>' \ ' <invoiceType></invoiceType>' \ ' <orderCode>DDT201704071951065731</orderCode>' \ ' <orderDate>2017-04-07 19:51:07.0</orderDate> ' \ ' <paid>0.01</paid>' \ ' <payType>pc</payType>' \ ' <productName>快递包</productName>' \ ' <state>0</state>' \ ' <userId>2</userId>' \ ' </return>' \ ' <return>' \ ' <copeWith>3.00</copeWith>' \ ' <discount>0.99</discount>' \ ' <id>142</id>' \ ' <invoice>2</invoice>' \ ' <invoiceType></invoiceType>' \ ' <orderCode>DDT201704071945408575</orderCode>' \ ' <orderDate>2017-04-07 19:45:40.0</orderDate>' \ ' <paid>0.01</paid>' \ ' <payType>pc</payType>' \ ' <productName>快递包</productName>' \ ' <state>0</state>' \ ' <userId>2</userId>' \ ' </return> ' \ ' <return attr="re">' \ ' <copeWith>4.00</copeWith>' \ ' <copeWith>5.00</copeWith>' \ ' <discount>0.99</discount>' \ ' <id>141</id>' \ ' <invoice>1</invoice>' \ ' <invoiceType>增值税普通发票</invoiceType>' \ ' <orderCode>DDT201704071845403738</orderCode>' \ ' <orderDate>2017-04-07 18:45:41.0</orderDate>' \ ' <paid>0.01</paid>' \ ' <productName>快递包</productName>' \ ' <state>0</state>' \ ' <userId attr="testattr">2</userId>' \ ' </return>' \ ' </ns2:selectByPrimaryKeyResponse>' \ ' </ns1:Body>' \ ' <ns1:Body xmlns:ns1="http://service.rpt.data.platform.ddt.sf.com/">' \ ' <ns2:selectByPrimaryKeyResponse xmlns:ns2="http://service.rpt.data.platform.ddt.sf2.com/"> ' \ ' </ns2:selectByPrimaryKeyResponse>' \ ' <ns2:selectByPrimaryKeyResponse xmlns:ns2="http://service.rpt.data.platform.ddt.sf2.com/"> ' \ ' </ns2:selectByPrimaryKeyResponse>' \ ' </ns1:Body>' \ '</soap:Envelope>'

实验结果

.//xmlns:return//xmlns:copeWith 查找结果：所有名称空间定义为http://www.examp.com的return元素下，所有名称空间定义为http://www.examp.com的copeWith元素

实验3

xpath = "./xmlns:string" response_to_check =''\ '<ArrayOfString xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"' \ ' xmlns:xsd="http://www.w3.org/2001/XMLSchema" xmlns="http://WebXml.com.cn/">' \ ' <string>阿尔及利亚,3320</string>' \ ' <string>阿根廷,3522</string>' \ ' <string>阿曼,3170</string>' \ ' <string>阿塞拜疆,3176</string>' \ ' <string>埃及,3317</string>' \ ' <string>埃塞俄比亚,3314</string>' \ ' <string>爱尔兰,3246</string>' \ ' <string>奥地利,3237</string>' \ ' <string>澳大利亚,368</string>' \ ' <string>巴基斯坦,3169</string>' \ ' <string>巴西,3580</string>' \ ' <string>保加利亚,3232</string>' \ ' <string>比利时,3243</string>' \ '</ArrayOfString>'

实验结果： ./string 查找结果：找不到元素

./xmlns:string 查找结果：根元素下，所有名称空间定义为 xmlns的string元素

实验4

对比实验3，去掉xmlns=xmlns="http://WebXml.com.cn/

xpath = "./string" response_to_check =''\ '<ArrayOfString xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"' \ ' xmlns:xsd="http://www.w3.org/2001/XMLSchema">' \ ' <string>阿尔及利亚,3320</string>' \ ' <string>阿根廷,3522</string>' \ ' <string>阿曼,3170</string>' \ ' <string>阿塞拜疆,3176</string>' \ ' <string>埃及,3317</string>' \ ' <string>埃塞俄比亚,3314</string>' \ ' <string>爱尔兰,3246</string>' \ ' <string>奥地利,3237</string>' \ ' <string>澳大利亚,368</string>' \ ' <string>巴基斯坦,3169</string>' \ ' <string>巴西,3580</string>' \ ' <string>保加利亚,3232</string>' \ ' <string>比利时,3243</string>' \ '</ArrayOfString>'

实验结果： ./string

查找结果：根元素下，所有名称空间定义为 http://WebXml.com.cn/的string元素

总结

1）xmlns=URI定义元素默认的名称空间，使得作用范围内，可不用为元素显示设置名称空间前缀。

<element_node xmlns=URI>

<node1>

...

<node2>

</element_node>

xmlns=URI的作用域如下：

<element_node xmlns=URI>

作用域，也就是说，仅在元素范围内

</element>

2） 一份xml文档中，同时只能存在一个默认的xmlns名称空间,后续元素标签中定义的xmlns会自动导致前面定义的xmlns不可用

3）为元素设置自定义名称空间,形式如下：

<namespace:element_name xmlns:namespace=URI>

</namespace:element_name>

4）xpath查找，不能使用绝对路径。

5）根据实验1，实验1&实验2对比，实验3&实验4对比得出：

如果设置了xmlns(默认名称空间xmlns=xxxx，或者非默认的自定义名称空间xmlns:prefix=URI),那么xpath查找名称空间作用域内的子元素时，必须使用名称空间查找./xmlns:node_name、./prefix:node_name。

如果xmlns默认名称空间作用域范围内，子元素标签内设置了自定义名称空间，那么使用自定义名称空间查找 ./…/prefix:node_name

如果既没定义默认名称空间，也没设置自定义名称空间，那么xpath查找元素时可不用指定名称空间 ./node_name

采用网盘链接分享,请点击链接查看：

关于xpath查找XML元素的一点总结.pdf