如何使用Python XML findall查找“'

Question

我正在尝试从<v:imagedata r:id="rId7" o:title="1-REN"/>具有命名空间的Word文档中查找所有内容xmlns:v="urn:schemas-microsoft- com:vml"，但我不知道语法到底是什么。

这些文档仅涵盖了非常简单的情况，并加入了URN和VML组合，我似乎无法从网上看到我能看到的任何示例。有人碰巧知道这是什么吗？

我正在尝试做这样的事情：

namespace = {'v': "urn:schemas-microsoft-com:vml"}

results = ET.fromstring(xml).findall("imagedata", namespace)
for image_id in results:
    print(image_id)

编辑：@aneroid写的是1000％正确的答案，超级有帮助。您应该对此投票。就是说，在理解了所有内容之后-
我接受了BS4的答案，因为它完全按照我的要求在两行中完成了全部工作。如果您实际上并不关心名称空间，那似乎会更容易。

Answer 1

ET.findall()vs BS4.find_all()：

• findall() 默认情况下， ElementTree并非递归 __ 。它只会 找到 所提供节点的 直接子代* 。因此，在您的情况下，它仅在根元素正下方搜索图像节点。
  • 按照下面的mzjn的注释，在match参数（标记或路径）之前加上前缀".//"将 在树中的任何位置* 搜索该节点，因为它支持XPath。
• BeautifulSoup的find_all() 搜索所有后代 。因此，它会在树中的任何地方寻找“ imagedata”节点。

• 但是，ElementTree.iter()会 搜索所有后代 。使用docs中的“使用命名空间”示例：

  >>> for char in root.iter('{http://characters.example.com}character'):
  

  … print(‘ |–>’, char.text)
  …
  |–> Lancelot
  |–> Archie Leach
  |–> Sir Robin
  |–> Gunther
  |–> Commander Clement
  
  

• 可悲的是，ET.iterfind()它使用命名空间作为dict（例如ET.findall），也 不会搜索后代 ， 而是 默认情况下 仅引导子对象 * 。就像ET.findall。除了如何''使用名称空间处理标记中的空字符串，一个返回列表，另一个返回迭代器，我不能说ET.findalland之间存在有意义的区别ET.iterfind。

  • *如前所述ET.findall()，前缀".//"使它搜索整个树（ 与任何节点匹配 ）。

当将名称空间与ET一起使用时，仍然需要带有标签的 名称空间名称 。结果行应为：

namespace = {'v': "urn:schemas-microsoft-com:vml"}
results = ET.fromstring(xml).findall("v:imagedata", namespace)  # note the 'v:'

另外，'v'不必是'v'，您可以根据需要将其更改为更有意义的名称：

namespace = {'image': "urn:schemas-microsoft-com:vml"}
results = ET.fromstring(xml).findall("image:imagedata", namespace)

当然，如果它们不是根的直接子代，那么仍然不一定能为您提供所有imagedata元素。
为此，您需要创建一个递归函数来为您执行此操作。请注意，而答案不递归搜索，你很可能会击中Python的递归限制，如果后代深度过......
深 。

要获取树中任何位置的所有imagedata元素，请使用".//"前缀：

results = ET.fromstring(xml).findall(".//v:imagedata", namespace)