如何用Python的lxml获取XML中的xsi:noNamespaceSchemaLocation

问题描述 #

我尝试基于xsi:noNamespaceSchemaLocation验证XML，调研后未找到可行方案。我的XML文件内容来自W3School示例：

<shiporder orderid="889923" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="shiporder.xsd">
  <orderperson>John Smith</orderperson>
  <shipto>
    <name>Ola Nordmann</name>
    <address>Langgt 23</address>
    <city>4000 Stavanger</city>
    <country>Norway</country>
  </shipto>
  <item>
    <title>Empire Burlesque</title>
    <note>Special Edition</note>
    <quantity>1</quantity>
    <price>10.90</price>
  </item>
  <item>
    <title>Hide your heart</title>
    <quantity>1</quantity>
    <price>9.90</price>
  </item>
</shiporder>

解析根节点属性后得到结果：{'{http://www.w3.org/2001/XMLSchema-instance}noNamespaceSchemaLocation': 'shiporder.xsd'}，请问如何用Python的lxml正确获取该属性值？

解决方案 #

在lxml中处理带命名空间的属性，核心是要对应上xsi前缀背后的官方URI：http://www.w3.org/2001/XMLSchema-instance。这里有两种简单的方法可以获取目标属性值：

方法1：直接使用Clark表示法的属性名调用get()

lxml在解析带命名空间的属性时，会自动将前缀展开为完整的URI（也就是你看到的带大括号的键），所以直接用这个完整键名调用get()方法就能拿到值：

from lxml import etree

# 解析XML字符串（如果是文件，改用etree.parse("your_file.xml").getroot()）
xml_str = """<shiporder orderid="889923" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="shiporder.xsd">
  <orderperson>John Smith</orderperson>
  <shipto>
    <name>Ola Nordmann</name>
    <address>Langgt 23</address>
    <city>4000 Stavanger</city>
    <country>Norway</country>
  </shipto>
  <item>
    <title>Empire Burlesque</title>
    <note>Special Edition</note>
    <quantity>1</quantity>
    <price>10.90</price>
  </item>
  <item>
    <title>Hide your heart</title>
    <quantity>1</quantity>
    <price>9.90</price>
  </item>
</shiporder>"""
root = etree.fromstring(xml_str)

# 用展开后的完整属性名获取值
schema_location = root.get('{http://www.w3.org/2001/XMLSchema-instance}noNamespaceSchemaLocation')
print(schema_location)  # 输出: shiporder.xsd

方法2：定义命名空间字典，简化属性访问

如果觉得Clark表示法太长，你可以定义一个命名空间字典，把xsi前缀映射到对应的URI，然后用更直观的方式获取属性：

from lxml import etree

xml_str = """<shiporder orderid="889923" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="shiporder.xsd">
  <orderperson>John Smith</orderperson>
  <shipto>
    <name>Ola Nordmann</name>
    <address>Langgt 23</address>
    <city>4000 Stavanger</city>
    <country>Norway</country>
  </shipto>
  <item>
    <title>Empire Burlesque</title>
    <note>Special Edition</note>
    <quantity>1</quantity>
    <price>10.90</price>
  </item>
  <item>
    <title>Hide your heart</title>
    <quantity>1</quantity>
    <price>9.90</price>
  </item>
</shiporder>"""
root = etree.fromstring(xml_str)

# 定义命名空间映射
namespaces = {'xsi': 'http://www.w3.org/2001/XMLSchema-instance'}

# 方式A：结合命名空间字典调用get()
schema_location = root.get('xsi:noNamespaceSchemaLocation', namespaces=namespaces)

# 方式B：用XPath表达式结合命名空间字典查询
schema_location = root.xpath('./@xsi:noNamespaceSchemaLocation', namespaces=namespaces)[0]

print(schema_location)  # 输出: shiporder.xsd

说明 #

你看到的带大括号的属性键是Clark表示法，这是XML命名空间的标准表示方式，lxml会用这种格式来存储带命名空间的属性。只要对应上正确的URI，不管用哪种方法都能轻松获取到noNamespaceSchemaLocation的值。

内容的提问来源于stack exchange，提问作者Dmytro Chasovskyi