调用lxml etree cleanup_namespaces返回None而非已清理XML树的问题

为什么clean_root返回None #

• etree.cleanup_namespaces的API设计为原地修改传入的XML树对象，执行完成后没有返回值，默认返回None。
• 你原本的clean_root方法中，循环修改元素tag为本地名称的操作确实已经正常生效，但因为最后直接返回了etree.cleanup_namespaces()的执行结果（该结果为None），才导致整个方法的返回值是None，给你造成了“清理操作完全没生效”的错觉。
• 实际传入的root对象在循环执行时，就已经被修改掉了标签上的命名空间URL前缀。

为什么不带self调用会触发NameError #

• 类内部定义的实例方法，是绑定在类实例上的属性，不属于当前函数的局部、或全局可访问的函数作用域。
• 在实例方法内部直接写clean_root(xxx)，Python会依次在当前代码块的局部变量、全局变量中查找名为clean_root的可调用对象，找不到就会抛出NameError。这种情况和你写错方法名（比如将方法名误写为clean_tree）触发的错误逻辑完全一致，类实例内的方法必须通过self.方法名()的方式调用。

import requests
from lxml import etree

class scraper():

    def __init__(self, BASE_URL, headers):
        self.BASE_URL = BASE_URL
        self.headers = headers
        self.URL = self.BASE_URL + '?delimiter=/'

    def clean_root(self, root):
        """用于清理每个XML元素标签前的URL前缀"""
        for elem in root.getiterator():
            # 原地修改元素标签为无命名空间的本地名称
            elem.tag = etree.QName(elem).localname
        # 原地清理冗余命名空间，无需接收返回值
        etree.cleanup_namespaces(root)
        # 返回被原地修改完成的root对象
        return root
    
    def get_root_folder_names(self):
        """获取根文件夹列表"""
        res = requests.get(self.URL, headers=self.headers)
        root = etree.XML(res.content)
        print(f"修改前的元素: {root}")
        cleaned_root = self.clean_root(root)
        print(f"清理后的元素: {cleaned_root}")

• 修正后执行代码，打印的清理后元素标签会去掉{http://s3.amazonaws.com/doc/2016-11-11/}的命名空间前缀，与预期输出一致。
• 因为所有修改都是原地生效的，即便不通过方法返回root对象，只要持有同一个XML对象的引用，后续的遍历、提取操作都能直接拿到清理后的内容，返回对象的写法只是更符合常规的函数调用习惯。

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