元素树以不同的方式处理相似的文件

Question

以下是我的python（2.6）脚本遇到的两个不同文件。一个会解析，另一个不会。我只是好奇为什么会发生这种情况。

这个XML文件将无法解析和脚本会失败：

<Landfire_Feedback_Point_xlsform id="fbfm40v10" instanceID="uuid:9e062da6-b97b-4d40-b354-6eadf18a98ab" submissionDate="2013-04-30T23:03:32.881Z" isComplete="true" markedAsCompleteDate="2013-04-30T23:03:32.881Z" xmlns="http://opendatakit.org/submissions"> 
<date_test>2013-04-17</date_test> 
<plot_number>10</plot_number> 
<select_multiple_names>BillyBob</select_multiple_names> 
<geopoint_plot>43.2452830500 -118.2149402900 210.3000030518 3.0000000000</geopoint_plot><fbfm40_new>GS2</fbfm40_new> 
<select_grazing>NONE</select_grazing> 
<image_close>1366230030355.jpg</image_close> 
<plot_note>No road present.</plot_note> 
<n0:meta xmlns:n0="http://openrosa.org/xforms"> 
<n0:instanceID>uuid:9e062da6-b97b-4d40-b354-6eadf18a98ab</n0:instanceID> 
</n0:meta> 
</Landfire_Feedback_Point_xlsform> 

这个XML文件将正确地分析和脚本成功：

<Landfire_Feedback_Point_xlsform id="fbfm40v10"> 
<date_test>2013-05-14</date_test> 
<plot_number>010</plot_number> 
<select_multiple_names>BillyBob</select_multiple_names> 
<geopoint_plot>43.26630563 -118.39881809 351.70001220703125 5.0</geopoint_plot> 
<fbfm40_new>GR1</fbfm40_new> 
<select_grazing>HIGH</select_grazing> 
<image_close>fbfm40v10_PLOT_010_ID_6.jpg</image_close> 
<plot_note>Heavy grazing</plot_note> 
<meta><instanceID>uuid:90e7d603-86c0-46fc-808f-ea0baabdc082</instanceID></meta> 
</Landfire_Feedback_Point_xlsform> 

这里是一个小的Python脚本，它表明，一个会工作，而另一个不会。我只是寻找一个解释，为什么一个被ElementTree视为一个XML文件，而另一个不是。具体来说，似乎没有解析失败的一个“NONE”类型没有“文本”属性“或类似的东西。但是，这是因为它似乎没有将文件视为xml，或者它看不到任何超出开始行的元素。任何关于这个错误的解释或指导将不胜感激。提前致谢。

Python脚本：

import os 
from xml.etree import ElementTree 


def replace_xml_attribute_in_file(original_file,element_name,attribute_value): 
    #THIS FUNCTION ONLY WORKS ON XML FILES WITH UNIQUE ELEMENT NAMES 
    # -DUPLICATE ELEMENT NAMES WILL ONLY GET THE FIRST ELEMENT WITH A GIVEN NAME 

    #split original filename and add tempfile name 
    tempfilename="temp.xml" 
    rootsplit = original_file.rsplit('\\') #split the root directory on the backslash 
    rootjoin = '\\'.join(rootsplit[:-1]) #rejoin the root diretory parts with a backslash -minus the last 
    temp_file = os.path.join(rootjoin,tempfilename) 
    et = ElementTree.parse(original_file) 
    author=et.find(element_name) 
    author.text = attribute_value 
    et.write(temp_file) 
    if os.path.exists(temp_file) and os.path.exists(original_file): #if both the original and the temp files exist 
     os.remove(original_file)         #erase the original 
     os.rename(temp_file,original_file)       #rename the new file 
    else: 
     print "Something went wrong." 

replace_xml_attribute_in_file("testfile1.xml","image_close","whoopdeedoo.jpg"); 

Answer 1

这里是一个小Python脚本，证明了一会的工夫，而其他则不会。我只是寻找一个解释，为什么一个被ElementTree视为一个XML文件，而另一个不是。

您的代码根本没有证明。这表明它们都被ElementTree看作是有效的XML文件，充满了节点。他们都解析得很好，他们都读过第一行，等等。

唯一的问题是，第一个没有名为'image_close'的节点，所以你的代码不起作用。

你可以看到，很容易地：

for node in et.getroot().getchildren(): 
    print node.tag 

你得到根本的9个孩子，有两个版本。

而输出到这应该告诉你的问题。您需要的节点在第一个示例中实际上命名为{http://opendatakit.org/submissions}image_close，而不是第二个中的image_close。

而且，正如您大概猜测的那样，这是因为根节点中的namespace=http://opendatakit.org/submissions。 ElementTree使用"James Clark notation"将未知名称空间名称映射到通用名称。

无论如何，因为没有节点被命名为image_close，该et.find(element_name)回报None，让你的代码存储author=None，然后尝试分配给author.text，并得到一个错误。

至于如何解决这个问题...你可以学习如何命名空间默认在ElementTree中工作，或者你可以升级到Python 2.7或安装一个更新的ElementTree for 2.6，让你更容易地自定义事情。但是，如果你想做自定义的命名空间处理，并坚持你的旧版本...我会从this article（及其两个前任）和this one开始。