正在 Python 中解析 Google 地球 KML 文件（lxml、命名空间）

Question

我正在尝试使用 xml 模块将 .kml 文件解析为 Python（在 BeautifulSoup 中失败后，我将其用于 HTML).

因为这是我第一次这样做，所以我遵循了官方tutorial并且一切顺利，直到我尝试构造一个迭代器以通过根迭代提取我的数据：

from lxml import etree
tree=etree.parse('kmlfile')

这是我试图模拟的教程中的 example：

If you know you are only interested in a single tag, you can pass its name to getiterator() to have it filter for you:
for element in root.getiterator("child"):
    print element.tag, '-', element.text

我想获取'Placemark'下的所有数据，所以我尝试了

for i in tree.getiterterator("Placemark"):
    print i, type(i)

这没有给我任何东西。起作用的是：

for i in tree.getiterterator("{http://www.opengis.net/kml/2.2}Placemark"):
    print i, type(i)

我不明白这是怎么回事。 www.opengis.net 列在文档开头的标签中 (kml xmlns="http://www.opengis.net/kml/2.2"...) ，但我不知道不懂

{} 中的部分与我的具体示例完全相关
为什么和教程不一样
以及我做错了什么

非常感谢任何帮助！

Answer 1

这是我的解决方案。因此，最重要的事情是阅读 Tomalak 发布的 this。它对命名空间的描述非常好，而且易于理解。

我们将使用 XPath to navigate the XML document. Its notation is similar to file systems, where parents and descendants are separated by slashes /. The syntax is explained here, but note that some commands are different for the lxml implementation。

###问题

我们的目标是提取城市名称：<Placemark>下<name>的内容。这是相关的 XML:

<Placemark> <name>CITY NAME</name>

与我在上面发布的非功能代码等效的 XPath 是：

tree=etree.parse('kml document')
result=tree.xpath('//Placemark/name/text()')

需要 text() 部分才能获取位置 //Placemark/name 中包含的文本。

现在这不起作用，正如 Tomalak 指出的那样，因为这两个节点的名称实际上是 {http://www.opengis.net/kml/2.2}Placemark 和 {http://www.opengis.net/kml/2.2}name。大括号中的部分是默认命名空间。它没有出现在实际文档中（这让我感到困惑）但它在 XML 文档的开头定义如下：

xmlns="http://www.opengis.net/kml/2.2"

###解决方案

我们可以通过设置 namespaces 参数来为 xpath 提供命名空间：

xpath(X, namespaces={prefix: namespace})

这对于具有实际前缀的命名空间来说已经足够简单了，例如在本文档中 <gx:altitudeMode>relativeToSeaFloor</gx:altitudeMode> 其中 gx 前缀在文档中定义为 xmlns:gx="http://www.google.com/kml/ext/2.2".

但是，Xpath 不理解什么是默认名称空间（参见 docs）。因此，我们需要像 Tomalak 上面建议的那样欺骗它：我们为默认设置一个前缀并将其添加到我们的搜索词中。例如，我们可以将其称为 kml。这段代码实际上起到了作用：

tree.xpath('//kml:Placemark/kml:name/text()', namespaces={"kml":"http://www.opengis.net/kml/2.2"})

tutorial mentions that there is also an ETXPath 方法，它的工作方式与 Xpath 类似，只是将名称空间写在大括号中而不是在字典中定义它们。因此，输入的样式为 {http://www.opengis.net/kml/2.2}Placemark.

正在 Python 中解析 Google 地球 KML 文件（lxml、命名空间）

Parsing Google Earth KML file in Python (lxml, namespaces)

python

xml

xpath

lxml

xml-namespaces