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.xml\GenInfo_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 == '\n': pass else: dic['text'] = text t = node.tag.split('}')[-1] ret.append({t: dic}) get_xml_content(node) get_xml_content(iter_root)
