美丽的汤 - `findAll`没有捕获SVG中的所有标签（`ElementTree`）

Question

我试图通过修改描绘美国所有县的SVG map来生成一个等值区域地图。 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)

然而，我知道，物理检查和ElementTree方法通过以下例程捕获3,143条路径的事实还存在更多：

#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)

我还没有弄清楚如何以一种并非完全混乱的方式从ElementTree对象写入。

#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/写入程序会产生这种怪异：

我的主要问题是：为什么BeautifulSoup无法捕获所有path标签？第二，为什么用ElementTree对象修改的图像会进行所有的课外活动？任何建议都将不胜感激。

Answer 1

您需要执行以下操作：

• 升级到beautifulsoup4：

  pip install beautifulsoup4 -U
  

• 将其导入为：

  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

Answer 2

alexce的回答对你的第一个问题是正确的。就你的第二个问题而言：

  

为什么使用ElementTree对象修改的图像会进行所有的课外活动？“

答案很简单 - 不是每个<path>元素都会绘制一个县。具体来说，有两个元素，一个包含id="State_Lines"，另一个包含id="separator"，应该被删除。你没有提供你的颜色数据集，所以我只为每个县使用了一个随机的十六进制颜色生成器（改编自here），然后使用lxml来解析.svg的XML并遍历每个<path>元素，跳过我上面提到的那些：

from lxml import etree as ET
import random

def random_color():
    r = lambda: random.randint(0,255)
    return '#%02X%02X%02X' % (r(),r(),r())

new_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:'

tree = ET.parse('USA_Counties_with_FIPS_and_names.svg')
root = tree.getroot()
for child in root:
    if 'path' in child.tag and child.attrib['id'] not in ["separator", "State_Lines"]:
        child.attrib['style'] = new_style + random_color()

tree.write('counties_new.svg')

产生了这个漂亮的图像：