svg元素不响应常规html解析器，是因为其由javascript动态渲染，原始html中仅含空容器；需用playwright获取渲染后dom或直接调用数据接口。
SVG元素不响应常规HTML解析器的常见原因
直接用 requests + BeautifulSoup 抓取网页后找不到 <svg></svg> 内部的 <path></path> 或 <rect></rect>，大概率是因为这些图表由 JavaScript 动态渲染。服务器返回的原始 HTML 里可能只有空容器（如 <div id="chart"></div>），<svg></svg> 树是在浏览器中执行 JS 后才插入的。
验证方法：用浏览器「禁用 JS」后刷新页面，若图表消失或只剩骨架，就确认是动态生成。
- 别在服务端直接解析返回的 HTML 字符串——它不含真实 SVG 结构
- 避免对
response.text直接丢给BeautifulSoup(features="lxml")就以为能提取坐标数据 - 注意部分站点用
canvas替代 SVG，此时走 DOM 解析路线完全失效
用Playwright获取真实渲染后的SVG DOM结构
Playwright 能启动真实浏览器上下文，等待图表渲染完成后再提取 DOM，比 Selenium 更轻量、更稳定。关键不是“截图”，而是拿到可遍历的 SVG 元素树。
示例步骤：
- 启动 Chromium 并设置足够长的等待（比如
page.wait_for_selector("svg", timeout=10000)） - 用
page.content()获取完整 HTML，再用BeautifulSoup解析——此时<svg></svg>已存在且含子元素 - 若图表使用
transform或viewBox缩放，需先读取这些属性再换算原始坐标值 - 注意部分库（如 Chart.js）会把数据编码进
<path d="..."></path>的d属性，需用svg.path或正则提取贝塞尔曲线控制点
简单提取所有折线坐标点的示意代码：
from bs4 import BeautifulSoup
svg_html = page.content()
soup = BeautifulSoup(svg_html, "lxml")
paths = soup.select("svg path[stroke][fill='none']") # 常见趋势线选择器
for p in paths:
d_attr = p.get("d", "")
if "L" in d_attr or "C" in d_attr:
print(d_attr) # 后续可用 svgpathtools 解析为点序列
从字符串还原原始数据点的难点
<path d></path> 是 SVG 绘图指令集合，不是原始数值映射。同一组业务数据，不同图表库生成的 d 字符串差异极大：D3 可能用 M x1 y1 L x2 y2 ...，ECharts 可能压缩成贝塞尔曲线，甚至添加动画偏移。
- 不要假设
d中的数字就是原始 Y 值——它们是像素坐标，需结合<svg></svg>的width/height、viewBox和坐标轴刻度反推 - Y 轴通常“向下为正”，而业务数据是“向上增长”，必须做
y = height - y翻转 - 若图表有平滑插值（如
curve: 'monotoneX'），<path></path>中的点数远大于原始数据点数，需采样或拟合 - 推荐用
svgpathtools.parse_path(d_str)得到路径对象，再调用point(t)在 [0,1] 区间均匀采样，比手写正则可靠得多
绕过前端渲染：检查Network面板找原始API接口
多数动态 SVG 图表背后都有独立的数据接口，返回 JSON 或 CSV。打开浏览器开发者工具 → Network → 切换到 XHR/Fetch，筛选关键词如 chart、data、metric、timeseries，往往比解析 SVG 快十倍且零误差。
- 注意请求头中的
Authorization或X-Requested-With，Python 请求时需复现 - 有些接口带签名（如
sign=xxx），需逆向 JS 找加密逻辑，此时 Playwright 的page.evaluate()可直接调用页面内函数生成签名 - 若接口返回的是加密或混淆字段（如
"v": [1024, 2056, ...]），优先查页面 JS 中的解码函数（常位于utils.js或内联<script></script>）
真正难的从来不是“怎么解析 SVG”，而是判断“有没有更干净的数据出口”。多数情况下，花 2 分钟翻 Network，比花 2 小时写 SVG 坐标反推逻辑更值得。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
