Python 解析含有命名空间(xmlns)的xml文件(基于ElementTree)

Outline

为什么会有命名空间?

XML的元素名字是不固定的，当两个不同的文档,使用同样的名称描述两个不同类型的元素的时候，或者一个同样的标记表示两个不同含义的内容的时候，就会发生命名冲突。

这时，命名空间是可以解决这个问题的；

命名空间（Namespace），对于每一套特定应用的DTD，给它一个独一无二的标志来代表，如果在XML中使用DTD中定义的元素，需将 DTD的标志和元素名，属性连在一起使用，相当于指明了元素来自什么地方，这样就不会同其他同名元素混淆了。

命名空间允许我们在一个文档中结合不同的元素和属性定义，并指明这些元素和属性的定义来自那里。

命名空间语法结构：

xmlns:[prefix]=”[url of name]”
其中“xmlns:”是必须的属性。“prefix”是命名空间的别名，它的值不能为xml。
 <sample xmlns:ins=”http://www.lsmx.net.ac”>
   <ins:batch-list>
   <ins:batch>Evening Batch</ins:batch>
</ins:batch-list>
     </sample>

遇到的问题

在用ElementTree解析xml时，一直很顺利，都能解析成功；但突然出现解析不出xml情况，文本编辑器打开xml文档发现里面是有内容的；
仔细观察了下发现根标签中有一个 xmlns 属性，查了下原来是 命名空间， xml中有命名空间的情况下，获取子标签内容的话，就需要通过命名空间去唯一标识这个标签。

 现在知道xml文件中的xmlns了，剩下就是结合xmlns解析数据了；

debug观察标签情况

简单debug下，看下包含xmlns的标签是什么样子的；

 发现包含命名空间的xml，解析时（或者去定位标签时）标签的构成是：命名空间+标签名 

解析数据

通过上面操作已经知道当前xml文本的xmlns是什么了，所以就直接给标签拼接上xmlns，这样获取的内容就都是该命名空间下的内容了。

import xml.etree.ElementTree as ET

path = 'C:data美股数据GenInfo03_NA_i_20200609_1of1.xmlGenInfo_00B6F.xml'
tree = ET.parse(path)
# for i in tree.iter():
#     print(i.tag)
root = tree.getroot()
namespace = '{urn:reuterscompanycontent:generalinformation03}'
iter_root = root.iter(namespace + 'GeneralInformation')  # 直接给标签拼接上xmlns
ret = []

def get_xml_content(iter_root):
    """递归获取xml标签内容"""
    for node in iter_root:
        dic = node.attrib
        text = node.text
        if len(dic) == 0 and text == '
':
            pass
        else:
            dic['text'] = text
            t = node.tag.split('}')[-1]
            ret.append({t: dic})
        get_xml_content(node)


get_xml_content(iter_root)

 参考信息

How does XPath deal with XML namespaces?

如何使用Python ElementTree获取元素树的所有子元素？