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

我试图通过修改来生成分区统计图SVG map http://upload.wikimedia.org/wikipedia/commons/5/5f/USA_Counties_with_FIPS_and_names.svg描绘了美国的所有县。基本方法是通过流动的数据 http://flowingdata.com/2009/11/12/how-to-make-a-us-county-thematic-map-using-free-tools/。由于 SVG 基本上只是 XML，因此该方法利用美丽汤 http://www.crummy.com/software/BeautifulSoup/bs4/doc/ parser.

问题是，解析器并没有捕获所有pathSVG 文件中的元素。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，从物理检查和事实来看，我知道还存在更多的问题元素树 https://docs.python.org/2/library/xml.etree.elementtree.html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)

我还没想好如何写ElementTree以一种不完全混乱的方式对象。

#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/写入例程会产生这个怪物：

我的主要问题是：为什么 BeautifulSoup 未能捕获所有path标签？其次，为什么要使用ElementTree对象有所有这些课外活动正在进行吗？任何建议将不胜感激。

您需要执行以下操作：

• 升级到beautifulsoup4 http://www.crummy.com/software/BeautifulSoup/bs4/doc/:

  pip install beautifulsoup4 -U
  

• 将其导入为：

  from bs4 import BeautifulSoup
  

• 安装最新的lxml module:

  pip install lxml -U
  

• 明确指定lxml作为解析器：

  soup = BeautifulSoup(svg, 'lxml')
  

Demo:

>>> 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