Python Beautiful Soup-`findAll`没有捕获SVG中的所有标记（`ElementTree`有）

我试图通过修改一个描述美国所有县的地图来生成一张choropleth地图。基本方法由以下内容捕获。由于SVG基本上只是XML，因此该方法利用了解析器

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）：

然而，我知道，从物理检查和方法通过以下例程捕获3143条路径的事实来看，还有更多的情况存在：

#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从

ElementTree

对象中以一种不完全混乱的方式进行编写

#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/写入例程产生了这样一个怪物：

---

我的主要问题是：为什么BeautifulSoup无法捕获所有的

路径

标记？其次，为什么用

ElementTree

对象修改的图像会有所有的课外活动？如果您有任何建议，我们将不胜感激。

您需要执行以下操作：

• 升级至：

• 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：

---

亚历克斯的回答对你的第一个问题是正确的。关于你的第二个问题：

为什么用ElementTree对象修改的图像会有所有的课外活动？”

答案很简单-并不是每个

元素都绘制一个县。具体来说，有两个元素应该被删除，一个是

id=“State\u line”

，另一个是

id=“separator”

。您没有提供颜色数据集，所以我只使用了一个随机十六进制颜色生成器（改编自）对于每个县，然后用于解析

.svg

的XML，并迭代每个

元素，跳过上面提到的元素：

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')

产生了这样一幅漂亮的图像：

---

使用BeautifulSoup 4.3.2，我运行了

svg_-soup=BeautifulSoup（svg）；path=svg_-soup.find_-all（'path'）；len（path）

，输出了3143条。也许你需要升级

bs4

，效果非常好。这肯定是一个疏忽，我被与任何特定边界不对应的模式所抛弃。

soup = BeautifulSoup(svg, 'lxml')

>>> 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

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')