Java与Python XML解析器命名空间处理差异分析

1. 首先解释下为什么为什么会生成多个xmlns的命名空间http://schemas.openxmlformats.org/wordprocessingml/2006/main

因为这个xml文件最开始定义了五个不同的命名空间，分别是：mc、r、w、w14和w15。

• mc: http://schemas.openxmlformats.org/markup-compatibility/2006
• r: http://schemas.openxmlformats.org/officeDocument/2006/relationships
• w: http://schemas.openxmlformats.org/wordprocessingml/2006/main
• w14: http://schemas.microsoft.com/office/word/2010/wordml
• w15: http://schemas.microsoft.com/office/word/2012/wordml


在这个XML文件中，所有使用"w:"前缀的元素都属于"w"命名空间。故最后python打印时每个元素都有http://schemas.openxmlformats.org/wordprocessingml/2006/main一段字符串。


注释：命名空间 URI 不会被解析器用于查找信息。

其目的是赋予命名空间一个惟一的名称。不过，很多公司常常会作为指针来使用命名空间指向实际存在的网页，这个网页包含关于命名空间的信息。

请访问 http://www.w3.org/TR/html4/。

参考：

xmlns说明链接

2.为什么Java和python版本得到的内容不同

技术选型参考owasp网站,因为Java最终得到的是Document类，它不关心xml文件里的xmlns命名空间，而python的xml.etree.ElementTree则会对命名空间做单独处理。即python是把w:替换成了URI，而java没有特殊处理这些xmlns，所以造成最终打印不一致。由于Java和python本身解析xml生成的对象就不一致，故这样的对比是没有意义的。XML 被设计用来传输和存储数据，一般来说，我们这里处理的数据更应该关注的是xml内容本身。

• Java


• python



参考:

XML_External_Entity_Prevention_Cheat_Sheet.html#python

https://docs.python.org/3/library/xml.etree.elementtree.html#module-xml.etree.ElementTree