Analyse syntaxique de XML avec espace de noms en Python via 'ElementTree'.

Question

J'ai le XML suivant que je veux analyser à l'aide de la méthode Python. ElementTree :

<rdf:RDF xml:base="http://dbpedia.org/ontology/"
    xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
    xmlns:owl="http://www.w3.org/2002/07/owl#"
    xmlns:xsd="http://www.w3.org/2001/XMLSchema#"
    xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"
    xmlns="http://dbpedia.org/ontology/">

    <owl:Class rdf:about="http://dbpedia.org/ontology/BasketballLeague">
        <rdfs:label xml:lang="en">basketball league</rdfs:label>
        <rdfs:comment xml:lang="en">
          a group of sports teams that compete against each other
          in Basketball
        </rdfs:comment>
    </owl:Class>

</rdf:RDF>

Je veux trouver tous owl:Class puis extraire la valeur de toutes les balises rdfs:label des instances en leur sein. J'utilise le code suivant :

tree = ET.parse("filename")
root = tree.getroot()
root.findall('owl:Class')

À cause de l'espace de noms, je reçois l'erreur suivante.

SyntaxError: prefix 'owl' not found in prefix map

J'ai essayé de lire le document à http://effbot.org/zone/element-namespaces.htm mais je n'arrive toujours pas à le faire fonctionner car le XML ci-dessus comporte plusieurs espaces de noms imbriqués.

Veuillez m'indiquer comment modifier le code pour trouver tous les éléments suivants owl:Class tags.

Answer 1

Il s'agit essentiellement de la réponse de Davide Brunato, mais j'ai découvert que sa réponse avait de sérieux problèmes : l'espace de noms par défaut est une chaîne vide, du moins sur mon installation python 3.6. La fonction que j'ai distillée à partir de son code et qui a fonctionné pour moi est la suivante :

from io import StringIO
from xml.etree import ElementTree
def get_namespaces(xml_string):
    namespaces = dict([
            node for _, node in ElementTree.iterparse(
                StringIO(xml_string), events=['start-ns']
            )
    ])
    namespaces["ns0"] = namespaces[""]
    return namespaces

où ns0 est juste un substitut pour l'espace de nom vide et vous pouvez le remplacer par n'importe quelle chaîne aléatoire que vous voulez.

Si je le fais alors :

my_namespaces = get_namespaces(my_schema)
root.findall('ns0:SomeTagWithDefaultNamespace', my_namespaces)

Il produit également la réponse correcte pour les balises utilisant l'espace de nom par défaut.

Answer 2

Ma solution est basée sur le commentaire de @Martijn Pieters :

register_namespace n'influence que la sérialisation, pas la recherche.

L'astuce consiste donc à utiliser des dictionnaires différents pour la sérialisation et pour la recherche.

namespaces = {
    '': 'http://www.example.com/default-schema',
    'spec': 'http://www.example.com/specialized-schema',
}

Maintenant, enregistrez tous les espaces de noms pour l'analyse et l'écriture :

for name, value in namespaces.iteritems():
    ET.register_namespace(name, value)

Pour la recherche ( find() , findall() , iterfind() ) nous avons besoin d'un préfixe non vide. Passez à ces fonctions un dictionnaire modifié (ici je modifie le dictionnaire original, mais cela ne doit être fait qu'après l'enregistrement des espaces de noms).

self.namespaces['default'] = self.namespaces['']

Maintenant, les fonctions de la find() peut être utilisé avec la famille default préfixe :

print root.find('default:myelem', namespaces)

mais

tree.write(destination)

n'utilise pas de préfixe pour les éléments de l'espace de noms par défaut.