用 Python 解析 Google Earth 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（在我用于 HTML 的 BeautifulSoup 中失败后）。

由于这是我第一次这样做，我遵循了官方教程并且一切顺利，直到我尝试构建一个迭代器来通过根迭代提取我的数据：

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

这是我试图模仿的教程中的示例：

如果你知道你只对一个标签感兴趣，你可以将它的名称传递给 getiterator() 让它为你过滤：

for element in root.getiterator("child"):
    print element.tag, '-', element.text

我想获取“地标”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。什么工作是：

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"...），但我不明白

• {} 中的部分与我的具体示例有什么关系

• 为什么它与教程不同

• 我做错了什么

任何帮助深表感谢！

Answer 1

这是我的解决方案。所以，最重要的事情是阅读Tomalak 发布的这篇文章。这是对命名空间的非常好的描述并且易于理解。

我们将使用XPath来导航 XML 文档。它的符号类似于文件系统，其中父项和子项由斜杠/分隔。此处解释了语法，但请注意，某些命令对于lxml 实现是不同的。

＃＃＃问题

我们的目标是提取城市名称：其内容<name>在<Placemark>. 这是相关的 XML：

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

与我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()')

text()获取包含在 location 中的文本所需的部分//Placemark/name。

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（这让我很困惑），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参数为 xpath 提供命名空间：

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

这是有实际的前缀，这个文件例如在命名空间很容易的<gx:altitudeMode>relativeToSeaFloor</gx:altitudeMode>，其中gx前缀的文件中定义xmlns:gx="http://www.google.com/kml/ext/2.2"。

但是，Xpath 不了解默认命名空间是什么（参见docs）。因此，我们需要欺骗它，就像上面 Tomalak 建议的那样：我们为默认值发明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。这段代码实际上可以解决问题：

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

该教程提到还有一个ETXPath方法，它的工作方式与 Xpath 类似，只是将命名空间写在大括号中，而不是在字典中定义它们。因此，输入将是 style {http://www.opengis.net/kml/2.2}Placemark。