python - Beautiful Soup - `findAll` 没有捕获 SVG (`ElementTree` 中的所有标签)

Question

我试图通过修改 SVG map 生成等值线图描绘了美国的所有县。 Flowing Data 捕获了基本方法.由于 SVG 基本上只是 XML，因此该方法利用了 BeautifulSoup解析器。

问题是，解析器不会捕获 SVG 文件中的所有 path 元素。以下仅捕获了 149 条路径(超过 3000 条路径):

#Open SVG file
svg=open(shp_dir+'USA_Counties_with_FIPS_and_names.svg','r').read()

#Parse SVG
soup = BeautifulSoup(svg, selfClosingTags=['defs','sodipodi:namedview'])

#Identify counties
paths = soup.findAll('path')

len(paths)

但是，我知道，从物理检查和 ElementTree 的事实来看，还有更多存在方法使用以下例程捕获 3,143 个路径:

#Parse SVG
tree = ET.parse(shp_dir+'USA_Counties_with_FIPS_and_names.svg')

#Capture element
root = tree.getroot()

#Compile list of IDs from file
ids=[]
for child in root:
    if 'path' in child.tag:
        ids.append(child.attrib['id'])

len(ids)

我还没有想出如何从 ElementTree 对象中以一种不会完全困惑的方式编写。

#Define style template string
style='font-size:12px;fill-rule:nonzero;stroke:#FFFFFF;stroke-opacity:1;'+\
        'stroke-width:0.1;stroke-miterlimit:4;stroke-dasharray:none;'+\
        'stroke-linecap:butt;marker-start:none;stroke-linejoin:bevel;fill:'

#For each path...
for child in root:
    #...if it is a path....
    if 'path' in child.tag:
        try:
            #...update the style to the new string with a county-specific color...
            child.attrib['style']=style+col_map[child.attrib['id']]
        except:
            #...if it's not a county we have in the ACS, leave it alone
            child.attrib['style']=style+'#d0d0d0'+'\n'

#Write modified SVG to disk
tree.write(shp_dir+'mhv_by_cty.svg')

上面的修改/写入例程产生了这个怪物:

我的主要问题是:为什么 BeautifulSoup 未能捕获所有 path 标签？其次，为什么用 ElementTree 对象修改的图像会进行所有这些课外事件？任何建议将不胜感激。

Answer 1

您需要执行以下操作:

• 升级到 beautifulsoup4 :

  pip install beautifulsoup4 -U
  

• 导入为:

  from bs4 import BeautifulSoup
  

• 安装最新的lxml模块:

  pip install lxml -U
  

• 明确指定 lxml 作为解析器:

  soup = BeautifulSoup(svg, 'lxml')
  

演示:

>>> from bs4 import BeautifulSoup
>>> 
>>> svg = open('USA_Counties_with_FIPS_and_names.svg','r').read()
>>> soup = BeautifulSoup(svg, 'lxml')
>>> paths = soup.findAll('path')
>>> len(paths)
3143