如何在Python中使用继承的xml:lang属性？

一、使用lxml实现（推荐，支持XPath） #

lxml完全支持XPath表达式，可以直接用ancestor-or-self::*[@xml:lang][1]/@xml:lang来获取元素继承的xml:lang值。这个表达式会从当前元素开始，向上查找第一个带有xml:lang属性的元素（包括自身），返回其属性值。

修改后的代码如下：

import lxml.etree as ET

data = '''
<project>
<doc xml:lang="la">
  <title>Lorem <important>ipsum</important></title>
  dolor <important>sit</important> amet.
</doc>
<doc xml:lang="sv">
  <title xml:lang="la">Consectetur <important>adipiscing</important> elit</title>
  Viterligit warj allom them som <important>thetta breff</important> see.
</doc>
</project>'''

root = ET.fromstring(data)

importants = {'la': [], 'sv': []}
for important in root.iter('important'):
    # 通过XPath获取继承的xml:lang值
    lang = important.xpath('ancestor-or-self::*[@xml:lang][1]/@xml:lang')[0]
    importants[lang].append(important.text)
print(importants)
# 输出: {'la': ['ipsum', 'sit', 'adipiscing'], 'sv': ['thetta breff']}

二、使用标准库ElementTree实现 #

标准库的ElementTree对XPath的支持有限（不支持ancestor-or-self这类轴），需要手动遍历元素的祖先链来查找xml:lang属性：

import xml.etree.ElementTree as ET

data = '''
<project>
<doc xml:lang="la">
  <title>Lorem <important>ipsum</important></title>
  dolor <important>sit</important> amet.
</doc>
<doc xml:lang="sv">
  <title xml:lang="la">Consectetur <important>adipiscing</important> elit</title>
  Viterligit warj allom them som <important>thetta breff</important> see.
</doc>
</project>'''

root = ET.fromstring(data)

def get_inherited_lang(element):
    # XML命名空间下的lang属性键
    lang_attr = '{http://www.w3.org/XML/1998/namespace}lang'
    # 先检查自身是否有该属性
    if lang_attr in element.attrib:
        return element.attrib[lang_attr]
    # 向上遍历祖先元素
    parent = element.getparent()
    while parent is not None:
        if lang_attr in parent.attrib:
            return parent.attrib[lang_attr]
        parent = parent.getparent()
    # 无匹配时返回None（可根据需求调整默认值）
    return None

importants = {'la': [], 'sv': []}
for important in root.iter('important'):
    lang = get_inherited_lang(important)
    if lang in importants:
        importants[lang].append(important.text)
print(importants)
# 输出: {'la': ['ipsum', 'sit', 'adipiscing'], 'sv': ['thetta breff']}

内容的提问来源于stack exchange，提问作者Jere Kupari