为什么这个解析器找不到使用命名空间前缀的 XML 标记的内容？

Question

我有这个 XML 代码，来自这个链接：<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:media="http://search.yahoo.com/mrss/" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:nyt="http://www.nytimes.com/namespaces/rss/2.0" version="2.0">  <channel>    <item>      <title>‘This Did Not Go Well’: Inside PG&amp;E’s Blackout Control Room</title>      <dc:creator>Ivan Penn</dc:creator>      <pubDate>Sat, 12 Oct 2019 17:03:11 +0000</pubDate>    </item>  </channel></rss>当我尝试使用lxml并遵循xpath 和 XML namespaces 的文档对其进行解析时，解析器会找到标题（不使用命名空间），但不会找到作者/创建者，它会：from lxml import htmlxml = """<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:media="http://search.yahoo.com/mrss/" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:nyt="http://www.nytimes.com/namespaces/rss/2.0" version="2.0">  <channel>    <item>      <title>‘This Did Not Go Well’: Inside PG&amp;E’s Blackout Control Room</title>      <dc:creator>Ivan Penn</dc:creator>      <pubDate>Sat, 12 Oct 2019 17:03:11 +0000</pubDate>    </item>  </channel></rss>"""rss = html.fromstring(xml)items = rss.xpath("//item")for item in items:    title = item.xpath("title")[0].text_content().strip()    print(title)    ns = {"dc" : "http://purl.org/dc/elements/1.1/"}    authors = item.xpath("dc:creator", namespaces = ns)    print(authors)此代码打印：这并不顺利'：在 PG&E 的停电控制室内 []由于它正确地找到了标题标签的内容，我认为它正在寻找单个<item>标签。我将命名空间传递给的方式有问题xpath吗？编辑：无论我是否使用斜杠，结果都是相同的，即ns = {"dc" : "http://purl.org/dc/elements/1.1/"}ns = {"dc" : "http://purl.org/dc/elements/1.1"}

Answer 1

HTML 解析器忽略名称空间。这是lxml 文档的Running HTML doctests部分的最后一句话：

HTML 解析器明显忽略了名称空间和其他一些 XMLisms。

文档的另一部分说：

另请注意，HTML 解析器旨在解析 HTML 文档。对于 XHTML 文档，使用可识别名称空间的 XML 解析器。

如果你改变它会起作用

authors = item.xpath("dc:creator", namespaces = ns)

至

authors = item.xpath("creator")

但由于 RSS 不是 HTML，请考虑使用 XML 解析器 ( from lxml import etree)。