如何使用 Python 从 URL 解析 SVG 文档（获取折线的点）

Question

我正在寻找一个 Python 扩展来解析来自 <polyline> 元素的 SVG 的“点”值并打印它们？可能从 URL 解析它？或者我可以保存 SVG 并在本地进行。

我只需要它来解析points 值并为每个polyline 元素分别打印它们。因此，它将为当前 <polyline> 元素的每个 points 值打印类似的内容。

[[239,274],[239,274],[239,274],[239,275],[239,275],[238,276],[238,276],[237,276],[237,276],[236,276],[236,276],[236,277] [236,277],[235,277],[235,277],[234,278],[234,278],[233,279],[233,279],[232,280] [232,280],[231,280],[231,280],[230,280],[230,280],[230,280],[229,280],[229,280]]

因此，在第一个 polyline 元素被解析和打印后，它会解析下一个 polyline 元素并获取 points 的值并像第一个元素一样打印它，直到不再打印。

SVG 的 URL：http://colorillo.com/bx0l.inline.svg

这是来自 SVG 的折线元素的 HTML 示例

<polyline points="239,274 239,274 239,274 239,275 239,275 238,276 238,276 237,276 237,276 236,276 236,276 236,277 236,277 235,277 235,277 234,278 234,278 233,279 233,279 232,280 232,280 231,280 231,280 230,280 230,280 230,280 229,280 229,280" style="fill: none; stroke: #000000; stroke-width: 1; stroke-linejoin: round; stroke-linecap: round; stroke-antialiasing: false; stroke-antialias: 0; opacity: 0.8"/>

我只是在寻找一些快速帮助和一个例子。如果你能帮助我，那就太好了。

Answer 1

我相信某处有一个 HTML 提取包，但这是我将使用核心 python 和正则表达式模块执行的任务。让txt 成为您呈现的文本<polyline...，所以：

导入正则表达式模块

In [22]: import re

执行搜索：

In [24]: g = re.search('polyline points="(.*?)"', txt)

在上面的正则表达式中，我使用polyline points=" 作为锚点（我省略了<，因为它在正则表达式中具有含义）并捕获所有其余部分，直到下一个引号。

你想要的文字是通过以下方式实现的：

In [25]: g.group(1)
Out[25]: '239,274 239,274 239,274 239,275 239,275 238,276 238,276 237,276 237,276 236,276 236,276 236,277 236,277 235,277 235,277 234,278 234,278 233,279 233,279 232,280 232,280 231,280 231,280 230,280 230,280 230,280 229,280 229,280'

更新

使用xml解析数据更安全，这里有一种方法（xml.etree包含在标准库中）：

In [32]: import xml.etree.ElementTree as ET
In [33]: root = ET.fromstring(txt)

由于您的数据已经被格式化为根标签，您不需要进一步提取：

In [35]: root.tag
Out[35]: 'polyline'

而且所有的属性实际上都是 XML 属性，转换成字典：

In [37]: root.attrib
Out[37]:
{'points': '239,274 239,274 239,274 239,275 239,275 238,276 238,276 237,276 237,276 236,276 236,276 236,277 236,277 235,277 235,277 234,278 234,278 233,279 233,279 232,280 232,280 231,280 231,280 230,280 230,280 230,280 229,280 229,280', 'style': 'fill: none; stroke: #000000; stroke-width: 1; stroke-linejoin: round; stroke-linecap: round; stroke-antialiasing: false; stroke-antialias: 0; opacity: 0.8'}

所以你有它：

In [38]: root.attrib['points']
Out[38]: '239,274 239,274 239,274 239,275 239,275 238,276 238,276 237,276 237,276 236,276 236,276 236,277 236,277 235,277 235,277 234,278 234,278 233,279 233,279 232,280 232,280 231,280 231,280 230,280 230,280 230,280 229,280 229,280'

如果您想进一步根据逗号和空格将其拆分为组，我会这样做：

使用不带参数的split 以空格分隔所有组：

>>> p = g.group(1).split()
>>> p
['239,274', '239,274', '239,274', '239,275', '239,275', '238,276', '238,276', '237,276', '237,276', '236,276', '236,276', '236,277', '236,277', '235,277', '235,277', '234,278', '234,278', '233,279', '233,279', '232,280', '232,280', '231,280', '231,280', '230,280', '230,280', '230,280', '229,280', '229,280']

现在对于每个字符串，用逗号将其拆分，这将返回一个字符串列表。我使用map 将每个这样的列表转换为ints 的列表：

>>> p2 = [list(map(int, numbers.split(','))) for numbers in p]
>>> p2
[[239, 274], [239, 274], [239, 274], [239, 275], [239, 275], [238, 276], [238, 276], [237, 276], [237, 276], [236, 276], [236, 276], [236, 277], [236, 277], [235, 277], [235, 277], [234, 278], [234, 278], [233, 279], [233, 279], [232, 280], [232, 280], [231, 280], [231, 280], [230, 280], [230, 280], [230, 280], [229, 280], [229, 280]]

这会带来更多启示：

>>> '123,456'.split(',')
['123', '456']
>>> list(map(int, '123,456'.split(',')))
[123, 456]

Answer 2

下面

import xml.etree.ElementTree as ET
from collections import namedtuple
import requests
import re

Point = namedtuple('Point', 'x y')

all_points = []
r = requests.get('http://colorillo.com/bx0l.inline.svg')
if r.status_code == 200:
    data = re.sub(' xmlns="[^"]+"', '', r.content.decode('utf-8'), count=1)
    root = ET.fromstring(data)
    poly_lines = root.findall('.//polyline')
    for poly_line in poly_lines:
        tmp = []
        _points = poly_line.attrib['points'].split(' ')
        for _p in _points:
            tmp.append(Point(*[int(z) for z in _p.split(',')]))
        all_points.append(tmp)

for points in all_points:
    tmp = [str([p.x, p.y]).replace(' ','') for p in points]
    line = ','.join(tmp)
    print('[' + line + ']')