Question

我有一个kml文件，其中包含目的地列表以及坐标。此文件中约有40多个目的地。我正在尝试从中解析坐标，当您在文件中查看时，会看到“ coordinates ......” / coordinates，因此找到它们将不是困难的部分，但我看不到获得完整的结果。我的意思是，它将减少-94。或任何开头的负浮点数，然后打印其余部分。

#!/usr/bin/python3.5

import re

def main():

    results = []
    with open("file.kml","r") as f:
        contents = f.readlines()

    if f.mode == 'r':
        print("reading file...")
        for line in contents:
            coords_match = re.search(r"(<coordinates>)[+-]?\d+\.\d+|\d+\,\-?\d+\.\d+|\d+(?=</coordinates)",line)
            if coords_match:
                coords_matchh = coords_match.group()
                print(coords_matchh)

这是我得到的一些结果

3502969,38.8555497
7662462,38.8583916
6280323,38.8866337
3655059,39.3983001

如果格式有所不同，这就是文件中is格式的方式

<coordinates>
  -94.5944738,39.031411,0
</coordinates>

如果我修改此行，并从开头删除坐标

coords_match = re.search(r"[+-]?\d+\.\d+|\d+\,\-?\d+\.\d+|\d+(?=</coordinates)",line)

这是我得到的结果。

-94.7662462
-94.6280323
-94.3655059

这本质上是我想要的结果。

-94.7662462,38.8583916
-94.6280323,38.8866337
-94.3655059,39.3983001

Answer 1

使用实际的解析器是一种方法，就像@Kendas在评论中建议的那样，您可以尝试使用findall而不是search

>>> import re
>>> s = """<coordinates>
...   -94.5944738,39.031411,0
... </coordinates>"""
>>> re.findall(r'[+-]?\d+\.\d+|\d+\,\-?\d+\.\d+|\d+(?=</coordinates)', s)
['-94.5944738', '39.031411']

Answer 2

您还可以使用BeauitfulSoup来获取坐标，因为它将是XML / HTML类型的解析。

from bs4 import BeautifulSoup

text = """<coordinates>
              -94.5944738,39.031411,0
            </coordinates>
            <coordinates>
              -94.59434738,39.032311,0
            </coordinates>
            <coordinates>
              -94.523444738,39.0342411,0
            </coordinates>"""
soup = BeautifulSoup(text, "lxml")
coordinates = soup.findAll('coordinates')

for i in range(len(coordinates)):
    print(coordinates[i].text.strip()[:-2])

输出：

-94.5944738,39.031411
-94.59434738,39.032311
-94.523444738,39.0342411

Answer 3

如果您只想提取简单且定界的数据，那么XML解析器就显得过分了。

最主要的是使用 simpler 正则表达式，并搜索整个文件。专注于捕获标签之间的所有内容：

with open("file.kml","r") as f:
    contents = f.read()
coords_match = re.findall(r'<coordinates>(.*?)</coordinates>', contents, re.DOTALL)

这将返回匹配列表。此列表中的每个项目都将如下所示：

'\n  -94.5944738,39.031411,0\n  '

因此，对于每个项目，您都需要：

剥离空白
在最后一个“，”处右切
舍弃第二个结果。

所以您可以这样做：

results = [c.strip().rsplit(',', 1)[0] for c in coords_match]

这会为您提供所需字符串的列表。

如果您实际上想使用数字，我会将数字转换为浮点数（使用嵌套的理解）：

results = [tuple(float(f) for f in  c.strip().split(',')[:2]) for c in coords_match]

这将为您提供float的2元组的列表。

IPython中的演示

In [1]: import re                                                                                        

In [2]: text = """<coordinates> 
   ...:               -94.5944738,39.031411,0 
   ...:             </coordinates> 
   ...:             <coordinates> 
   ...:               -94.59434738,39.032311,0 
   ...:             </coordinates> 
   ...:             <coordinates> 
   ...:               -94.523444738,39.0342411,0 
   ...:             </coordinates>"""                                                                    

In [3]: coords_match = re.findall(r'<coordinates>(.*?)</coordinates>', text, re.DOTALL)                  
Out[3]: 
['\n              -94.5944738,39.031411,0\n            ',
 '\n              -94.59434738,39.032311,0\n            ',
 '\n              -94.523444738,39.0342411,0\n            ']

In [4]: results1 = [c.strip().rsplit(',', 1)[0] for c in coords_match]                                   
Out[4]: ['-94.5944738,39.031411', '-94.59434738,39.032311', '-94.523444738,39.0342411']

In [5]: results2 = [tuple(float(f) for f in  c.strip().split(',')[:2]) for c in coords_match]            
Out[5]: 
[(-94.5944738, 39.031411),
 (-94.59434738, 39.032311),
 (-94.523444738, 39.0342411)]

编辑：：如果要将数据另存为SJON，则最好使用转换来浮动。因为可以直接将其转换为JSON：

In [6]: import json

In [7]: print(json.dumps(results2, indent=2))                                                            
[
  [
    -94.5944738,
    39.031411
  ],
  [
    -94.59434738,
    39.032311
  ],
  [
    -94.523444738,
    39.0342411
  ]
]

正则表达式返回部分匹配

3 个答案: