在python中解析svg

Question

我有 SVG 和 html 文件，其中有几个 java 脚本标签，我需要找到所有脚本标签并在第一个脚本标签之前和最后一个脚本标签之后插入注释。我正在尝试使用 Beautifulsoup 来实现它。它适用于 HTML 版本，但对于 SVG，它会抛出错误。

 //for html version of file, working as expected
 soup = BeautifulSoup(data,selfClosingTags=['link','meta'])
 for num,tag in enumerate(soup.findAll('script')):
        if num==0:
            soup.head.insert(-1,startcomment)
        tag.extract()
        soup.head.insert(len(-1,tag)
        if num==len(soup.findAll('script'))-1:
            soup.head.insert(-1,endcomment)

但是现在，当我尝试在第一行中实现与 soup = BeautifulSoup(data,"xml") 相同的 svg 时，它会引发异常.. svg 也是 xml？所以我应该可以这样做

更新 - SVG 格式

<?xml version="1.0"?>
<?xml-stylesheet href="../../../some.css" type="text/css"?>
<svg id="mycontent" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink"   xmlns:svg="http://www.w3.org/2000/svg" version="1.2" baseProfile="tiny" focusable="true" onload="Jsfunction.load()">
<script xlink:href="../first.js" />
<script xlink:href="../second.js" />
<script xlink:href="../third.js" />
</svg>

应该改为

<?xml version="1.0"?>
<?xml-stylesheet href="../../../some.css" type="text/css"?>
<svg id="mycontent" xmlns="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink"   xmlns:svg="http://www.w3.org/2000/svg" version="1.2" baseProfile="tiny" focusable="true" onload="Jsfunction.load()">
<!-- some comment -->
<script xlink:href="../first.js" />
<script xlink:href="../second.js" />
<script xlink:href="../third.js" />
<!-- end comment -->
</svg>

Answer 1

使用 BeautifulSoup 版本 4，而不是 3，并安装 lxml 来处理 XML 解析。

目前（从 4.3.2 版开始），BeautifulSoup 确实忽略了处理指令（如 <?xml-stylesheet?> 指令），请参阅 bug 1294645。您可以通过修补树构建器来解决此问题：

from bs4.builder import LXMLTreeBuilderForXML
from bs4 import ProcessingInstruction

def handle_pi(self, target, data):
    self.soup.endData()
    self.soup.handle_data(target + ' ' + data)
    self.soup.endData(ProcessingInstruction)

LXMLTreeBuilderForXML.pi = handle_pi

该错误已被标记为已解决，从 BeautifulSoup 4.4（2015 年 7 月发布）开始，您不再需要上述解决方法。

您希望将script 标签列表存储在一个变量中，这样您就可以访问第一个和最后一个标签而无需循环：

from bs4 import BeautifulSoup, Comment

soup = BeautifulSoup(data, 'xml')
start_comment = soup.new_string('some comment', Comment)
end_comment = soup.new_string('end comment', Comment)

script_tags = soup.find_all('script')
script_tags[0].insert_before(start_comment)
script_tags[-1].insert_after(end_comment)

对于您的示例 SVG 文档，结果如下：

>>> print soup.prettify(formatter='xml')
<?xml version="1.0" encoding="utf-8"?>
<?xml-stylesheet href="../../../some.css" type="text/css"?>
<svg:svg baseProfile="tiny" focusable="true" id="mycontent" onload="Jsfunction.load()" version="1.2" xmlns="http://www.w3.org/2000/svg" xmlns:svg="http://www.w3.org/2000/svg" xmlns:xlink="http://www.w3.org/1999/xlink">
 <!--some comment-->
 <svg:script xlink:href="../first.js"/>
 <svg:script xlink:href="../second.js"/>
 <svg:script xlink:href="../third.js"/>
 <!--end comment-->
</svg:svg>