使用lxml增量编写XML时，如何避免命名空间重复？

你遇到的这个命名空间重复问题，在lxml增量处理XML时确实很常见——尤其是生成大量条目时，冗余的声明会显著增加未压缩文件的体积。先回顾下你当前的问题：

你生成的XML里，oneEntry标签重复了根节点data已经声明过的命名空间：

<?xml version='1.0' encoding='utf-8'?>
<data xmlns="nsURI1" xmlns:second="nsURI2">
  <oneEntry xmlns:second="nsURI2" xmlns="nsURI1">
    <subEntry1/>
    <second:subEntry2/>
  </oneEntry>
</data>

对应的生成脚本是基于lxml增量XML生成功能写的，但问题出在每个oneEntry元素都单独指定了完整的nsmap，导致lxml误以为这些命名空间需要重新声明。

核心解决方案：让子元素继承根节点的命名空间上下文 #

要避免重复声明，关键是不要给子元素单独指定nsmap，而是让它们在根节点的命名空间上下文中创建，或者直接使用带命名空间URI的标签名。这里有两种实用的写法：

写法一：在xmlfile上下文内创建子元素（推荐）

这种方式最贴合lxml增量写入的设计，直接在根元素的上下文里创建子元素，lxml会自动处理命名空间的继承，完全不会出现重复声明：

from lxml import etree
from io import BytesIO

class XmlWriter(object):
    ROOT_TAG = 'data'
    ENCODING = 'utf-8'
    NSMAP = { None: 'nsURI1', 'second': 'nsURI2' }

    def write(self):
        f = BytesIO()
        w = self.writer(f)
        next(w)
        # 模拟生成数千条数据的循环
        for _ in range(1000):
            # 传递创建条目的参数给生成器，让它在上下文内创建元素
            w.send(('oneEntry', [('subEntry1',), ('second:subEntry2',)]))
        w.close()
        print(f.getvalue().decode('utf-8'))

    @classmethod
    def writer(cls, out_stream):
        with etree.xmlfile(out_stream, encoding=cls.ENCODING) as xf:
            xf.write_declaration()
            # 进入根元素的命名空间上下文
            with xf.element(cls.ROOT_TAG, nsmap=cls.NSMAP) as root_ctx:
                while True:
                    try:
                        tag, subtags = yield
                        # 在根上下文内创建子元素，自动继承命名空间
                        with root_ctx.element(tag):
                            for subtag in subtags:
                                root_ctx.element(subtag).write()
                        xf.flush()
                    except GeneratorExit:
                        break

写法二：外部构建元素但不指定nsmap

如果你需要在外部逻辑里构建元素，只要不给子元素指定nsmap，而是直接使用带命名空间URI的标签名，再配合strip_ns_declarations=True参数写入，也能避免重复：

from lxml import etree
from io import BytesIO

class XmlWriter(object):
    ROOT_TAG = 'data'
    ENCODING = 'utf-8'
    NSMAP = { None: 'nsURI1', 'second': 'nsURI2' }

    def create_entry(self):
        # 直接使用带命名空间URI的标签名，不指定nsmap
        entry = etree.Element(f'{{{self.NSMAP[None]}}}oneEntry')
        etree.SubElement(entry, f'{{{self.NSMAP[None]}}}subEntry1')
        etree.SubElement(entry, f'{{{self.NSMAP["second"]}}}subEntry2')
        return entry

    def write(self):
        f = BytesIO()
        w = self.writer(f)
        next(w)
        # 模拟生成数千条数据的循环
        for _ in range(1000):
            entry = self.create_entry()
            w.send(entry)
        w.close()
        print(f.getvalue().decode('utf-8'))

    @classmethod
    def writer(cls, out_stream):
        with etree.xmlfile(out_stream, encoding=cls.ENCODING) as xf:
            xf.write_declaration()
            with xf.element(cls.ROOT_TAG, nsmap=cls.NSMAP):
                while True:
                    try:
                        el = yield
                        # 写入时移除重复的命名空间声明
                        xf.write(el, strip_ns_declarations=True)
                        xf.flush()
                    except GeneratorExit:
                        break

效果验证 #

运行修改后的脚本，生成的XML会变成这样，完全没有重复的命名空间：

<?xml version='1.0' encoding='utf-8'?>
<data xmlns="nsURI1" xmlns:second="nsURI2">
  <oneEntry>
    <subEntry1/>
    <second:subEntry2/>
  </oneEntry>
  <!-- 更多oneEntry条目... -->
</data>

两种写法都保留了流处理的能力，适合生成数千条数据的场景，同时完美解决了命名空间重复的问题。

内容的提问来源于stack exchange，提问作者David