Pythonで名前空間付きXMLの内容を取得するには

Question

<?xml version="1.0" encoding="utf-8" standalone="no"?>
<!DOCTYPE business:PatentDocumentAndRelated SYSTEM "/DTDS/ExternalStandards/ipphdb-entities.dtd"[]>
<business:PatentDocumentAndRelated xmlns:base="http://www.sipo.gov.cn/XMLSchema/base" xmlns:business="http://www.sipo.gov.cn/XMLSchema/business" xmlns:m="http://www.w3.org/1998/Math/MathML" xmlns:tbl="http://oasis-open.org/specs/soextblx" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.sipo.gov.cn/XMLSchema/business /DTDS/PatentDocument/Elements/OtherElements.xsd" xsdVersion="V2.2.1" file="CN102014000010217CN00001039169870BFULZH20210305CN00D.XML" dateProduced="20210227" status="C" lang="zh" country="CN" docNumber="103916987" kind="B" datePublication="20210305">
  <business:BibliographicData>
    <business:PriorityDetails>
      <business:Priority kind="international" dataFormat="original" sourceDB="national office" sequence="1">
        <base:WIPOST3Code>KR</base:WIPOST3Code>
        <base:DocNumber>10-2013-0002680</base:DocNumber>
        <base:Date>20130109</base:Date>
      </business:Priority>
      <business:Priority kind="international" dataFormat="original" sourceDB="national office" sequence="2">
        <base:WIPOST3Code>KR</base:WIPOST3Code>
        <base:DocNumber>10-2013-0124787</base:DocNumber>
        <base:Date>20131018</base:Date>
      </business:Priority>
      <business:Priority kind="international" dataFormat="standard" sequence="1">
        <base:WIPOST3Code>KR</base:WIPOST3Code>
        <base:DocNumber>102013000002680</base:DocNumber>
        <base:Date>20130109</base:Date>
      </business:Priority>
      <business:Priority kind="international" dataFormat="standard" sequence="2">
        <base:WIPOST3Code>KR</base:WIPOST3Code>
        <base:DocNumber>102013000124787</base:DocNumber>
        <base:Kind>A</base:Kind>
        <base:Date>20131018</base:Date>
      </business:Priority>
    </business:PriorityDetails>
  </business:BibliographicData>
</business:PatentDocumentAndRelated>

pythonで名前空間付きXMLを操作する方法がいまいち理解できないのですが、例えば上記XMLの<base:DocNumber>の内容をすべて抽出するにはどのようにすればいいでしょうか？
下記コードではうまく取得できません。

import xml.etree.ElementTree as ET
tree = ET.parse('test2.xml')
root = tree.getroot()

for Priority in root.findall('{http://www.sipo.gov.cn/XMLSchema/business}Priority'):
   DocNumber = Priority.find('{http://www.sipo.gov.cn/XMLSchema/base}DocNumber')
   print(DocNumber.text)

Comments

[int32_t]

今のままだと丸投げ質問になっているので、少しでもコードを書いて、具体的にどこが理解できないのか聞いてください。

Answer 1

for Priority in root.findall('{http://www.sipo.gov.cn/XMLSchema/business}Priority'):

findall() に(名前空間と)タグ名のみを指定した場合、対象要素の子要素のみを探します。root が business:PatentDocumentAndRelated で、business:Priority はその子要素ではないので見つかりません。ここでは './/{http://www.sipo.gov.cn/XMLSchema/business}Priority' と書いて子孫要素すべてから探しましょう。

XPathサポート

Comments

[hidek015]

なるほど。凄く良く理解できました。ありがとうございました。