3

我一直在尝试将 Google Earth KML 文件转换为 GIS shapefile（或其他 GIS 文件格式，例如 Postgresql/PostGIS 表）（参见 - GIS.stackexchange question here基本上我想将 KML 文件转换为CSV。

我的问题是 KML 文件包含一些存储在 HTML 表中的数据，因此解析的 KML 文件在我的结果数据表中有一个字段，其中包含如下 HTML：

    "<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（或一些类似的 Python 库）将 KML 文件的 HTML 元素解析为我的 CSV 文件中的四个单独的字段。我似乎能够将 KML 传递给 BeautifulSoup，但不确定从这里做什么，或者是否确实有另一种方法可以实现相同的目标。

我在这里和其他地方已经阅读了很多关于这个主题的类似问题，但我真的不知道从哪里开始解析这个文件。有没有人成功实现这一目标？非常，非常感谢提前...

哦，这是我的 KML 文件中的一段代码作为示例：

 <?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
4

1 回答 1

2

Beautiful Soup 通常非常适合直接获取您想要的内容（假设您可以轻松地在 xml/html 中识别出包含您正在寻找的数据的模式）。我不知道你希望你的输出格式如何，但如果你在<description>标签中寻找数据，那实际上很容易（下面的例子来自 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)

通常这不是很有用，所以再深入一点，我们甚至可以访问我们在中找到的节点中的元素<description>。此外，如果需要，我们可以只隔离文本（使用“字符串”属性）：

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

我总是打印来测试我得到了我想要的。如果那里什么都没有，你会得到很多Nones。无论如何，这应该让你接近，显然，而不是打印输出，你可以用它做任何你想做的事情（存储在某个容器中，将它写到 csv 等）。这可能适用于您粘贴到评论中的块，但可能不适用于您最初问题中的块，因为您有多个描述标签。

在您的问题中，您有多个<description>标签，并且并非所有标签都有节点，在这种情况下，您需要使用 find_all 而不是 select：

  for node in soup.find_all('description'):
      for item in node.find_all('td'):
          print(item.string)
于 2013-09-15T21:45:08.993 回答