python：带冒号的lxml xpath标记名

Question

我必须解析一些提要，但是其中一个元素（标记）是带有colon<dc:creator>leemore23</dc:creator>

如何使用lxml解析它？所以我就这样做了

r = requests.get('http://www.site.com/feed/')
foo = (r.content).replace("dc:creator","dc")
tree = lxml.etree.fromstring(foo)
for article_node in tree.xpath('//item'):
    data['dc'] = article_node.xpath('.//dc')[0].text.strip()

但我认为还有更好的方法，比如

^{pr2}$

或者

data['dc'] = article_node.xpath('.//dc|creator')[0].text.strip()

所以没有替换

你能给我什么建议？在

Answer 1

dc:前缀表示XML namespace。使用elementtree API namespace support来处理它，而不仅仅是从输入中删除它。碰巧，dc通常指Dublin Core metadata。在

您需要确定完整的命名空间URL，然后在XPath查询中使用该URL：

DCNS = 'http://purl.org/dc/elements/1.1/'
creator = article_node.xpath('.//{{{0}}}creator'.format(DCNS))

这里我使用了推荐的http://purl.org/dc/elements/1.1/名称空间URL作为都柏林核心前缀。在

通常可以从.nsmap属性确定URL；根元素可能具有以下.nsmap属性：

^{pr2}$

因此，您可以将代码更改为：

creator = article_node.xpath('.//{{{0}}}creator'.format(article_node.nsmap['dc']))

还可以通过将nsmap字典作为namespaces关键字传递给xpath()方法来进一步简化，此时可以在xpath表达式中使用前缀：

creator = article_node.xpath('.//dc:creator', namespaces=article_node.nsmap)

Answer 2

dc:表示命名空间。使用lxml的xpath方法时，使用^{} parameter搜索命名空间中的元素。在

所以，在你的例子中，使用@MartijnPieters提供的dublin core前缀

r = requests.get('http://www.site.com/feed/')
tree = lxml.etree.fromstring(r.content)
ns = {'dc':'http://purl.org/dc/elements/1.1/'}
for article_node in tree.xpath('//item'):
    data['dc'] = article_node.xpath('.//dc:creator', namespaces = ns)[0].text.strip()