Question

我一直在努力将Google Earth KML文件转换为GIS shapefile（或其他GIS文件格式，例如Postgresql / PostGIS表格）（请参阅 - GIS.stackexchange question here基本上我想转换KML归档为CSV。

我的问题是KML文件包含存储在HTML表中的一些数据，因此解析的KML文件在我的结果数据表中有一个字段，其中包含HTML，如下所示：

    "<br><br><br>
<table border="1" padding="0">
<tr><td>ID_INT</td><td>NGA0104001</td></tr>
<tr><td>N_sd</td><td>Igbere</td></tr>
<tr><td>Skm2</td><td>3.34</td></tr>
<tr><td>PT2010</td><td>13000</td></tr>"

使用GDAL库时，我最终得到一个CSV文件，其中一个字段包含一大块HTML。我希望使用BeautifulSoup（或类似的Python库）将KML文件的HTML元素解析为我的CSV文件中的四个单独字段。我似乎能够将KML传递给BeautifulSoup，但我不确定该怎么做，或者确实还有另一种方法可以实现同样的目的。

我在这里和其他地方已经阅读过关于这个主题的一些类似的问题，但是我们真的不知道从哪里开始解析这个文件。有没有人取得任何成功？很多，非常感谢提前......

哦，这是我的KML文件中的一大块代码作为示例：

 <?xml version="1.0" encoding="UTF-8"?>
<kml xmlns="http://www.opengis.net/kml/2.2" xmlns:gx="http://www.google.com/kml/ext/2.2" xmlns:kml="http://www.opengis.net/kml/2.2" xmlns:atom="http://www.w3.org/2005/Atom">
    <Document>
    <name>AFNGA_SWAC.kml</name>
    <open>1</open>
    <Style id="s_ylw-pushpin1">
        <IconStyle>
            <scale>1.1</scale>
            <Icon>
                <href>http://maps.google.com/mapfiles/kml/pushpin/ylw-pushpin.png</href>
            </Icon>
            <hotSpot x="20" y="2" xunits="pixels" yunits="pixels"/>
        </IconStyle>
        <LineStyle>
            <color>ff00ffff</color>
            <width>3</width>
        </LineStyle>
        <PolyStyle>
            <color>3300ffff</color>
        </PolyStyle>
    </Style>
    <StyleMap id="m_ylw-pushpin1">
        <Pair>
            <key>normal</key>
            <styleUrl>#s_ylw-pushpin1</styleUrl>
        </Pair>
        <Pair>
            <key>highlight</key>
            <styleUrl>#s_ylw-pushpin_hl1</styleUrl>
        </Pair>
    </StyleMap>
    <Style id="s_ylw-pushpin_hl1">
        <IconStyle>
            <scale>1.3</scale>
            <Icon>
                <href>http://maps.google.com/mapfiles/kml/pushpin/ylw-pushpin.png</href>
            </Icon>
            <hotSpot x="20" y="2" xunits="pixels" yunits="pixels"/>
        </IconStyle>
        <LineStyle>
            <color>ff00ffff</color>
            <width>3</width>
        </LineStyle>
        <PolyStyle>
            <color>3300ffff</color>
        </PolyStyle>
    </Style>
    <Folder>
        <name>AFNGA_SWAC</name>
        <open>1</open>
        <description>1027 Éléments de la couche Afnga_swac</description>
        <Placemark>
            <name>Aba</name>
            <description><![CDATA[<br><br><br>
    <table border="1" padding="0">
    <tr><td>ID_INT</td><td>NGA0101001</td></tr>
    <tr><td>N_sd</td><td>Aba</td></tr>
    <tr><td>Skm2</td><td>384.07</td></tr>
    <tr><td>PT2010</td><td>1010000</td></tr>]]></description>
            <styleUrl>#m_ylw-pushpin1</styleUrl>
            <Polygon>
                <extrude>1</extrude>
                <tessellate>1</tessellate>
                <outerBoundaryIs>
                    <LinearRing>
                        <coordinates>
                            7.294567000000001,5.00267,0 7.294408999999999,5.002552,0 7.294211,5.002394,0

Answer 1

美丽的汤通常非常适合直接达到你想要的东西（假设你可以在xml / html中轻松识别出一个包含你正在寻找的数据的模式）。我不确切地知道您希望如何格式化输出，但如果您在<description>标签中搜索数据，那实际上非常简单（以下示例来自Python3）：

from bs4 import BeautifulSoup

inputfile = "whateveryourfileiscalled.xml"
with open(inputfile, 'r') as f:
  soup = BeautifulSoup(f)

  # After you have a soup object, you can access tags very easily.
  # For instance, you can iterate over and get <description> like so:

  for node in soup.select('description'):
       print(node)

这通常不是很有用，因此深入了解，我们甚至可以访问<{1>}中找到的节点中的元素。另外，如果需要，我们可以只隔离文本（使用＆＃34;字符串＆＃34;属性）：

<description>

我总是打印以测试我得到了我想要的东西。如果那里什么都没有，那么你会得到很多for node in soup.select('description'): for item in node.select('td'): print(item.string)个。无论如何，这应该让你接近，显然，不是打印输出，你可以用它做任何你想做的事情（存储在一些容器中，写出来到csv等）。这可能适用于您粘贴到评论中的块，但可能不是您初始问题中的块，因为您有多个描述标记。

在您的问题中，您有多个None标记，并非所有这些标记都有节点，在这种情况下，您需要使用find_all而不是select：

<description>

如何使用python / BeautifulSoup或类似方法将kml文件解析为csv？

1 个答案: