Python超实用脚本工具1-找出两个文件夹中名字相同的文件，并保存输出

针对PASCAL VOC图像数据集中图片与标签不对应问题，使用Python脚本找出对应的图片和标签。

  简单介绍PASCAL VOC数据集：

PASCAL VOC图像数据集是PASCAL Visual Object Classes（VOC） challenge视觉语义分类比赛中使用的数据集。该数据集中的图像共有20个前景对象类别和一个背景对象类别被用作分类、检测和分割任务。语义分割任务是从2007年开始被加入到PASCAL VOC比赛中的，最初用于语义分割的共有632张图像，包括422张训练图像和210张测试图像。该数据集每年比赛时都会进行扩充，截止至2012年，用于语义分割任务的图像已达到4369张。PASCAL VOC是目前最难的语义分割数据集之一，该数据集图像中的内容常会涉及遮挡、不同拍摄视角等情况。

---

背景

小编在准备跑VOC2007数据集语义分割时，发现JPEGImage文件夹和SegmentationClass文件夹中的图片数量不一致，即原图与对应的标签不相对应，并且原图的格式为.JPG，标签的格式为.PNG，想找出两个文件夹中名称相同（除后缀）的图片，准备写一个脚本来实现，寻到一位大神写的脚本，非常好用，值得分享。

---

代码实现：

# !/usr/bin/env python
# encoding: utf-8

import os
import glob
from PIL import Image

#指定找到文件后，另存为的文件夹路径
outDir = os.path.abspath('/home/chenxp/datadisk/pascal/VOCdevkit/VOC2010/output') 

#指定第一个文件夹的位置
imageDir1 = os.path.abspath('/home/chenxp/datadisk/pascal/VOCdevkit/VOC2010/JPEGImages')

#定义要处理的第一个文件夹变量
image1 = [] #image1指文件夹里的文件，包括文件后缀格式；
imgname1 = [] #imgname1指里面的文件名称，不包括文件后缀格式

#通过glob.glob来获取第一个文件夹下，所有'.jpg'文件
imageList1 = glob.glob(os.path.join(imageDir1, '*.jpg'))

#遍历所有文件，获取文件名称（包括后缀）
for item in imageList1:
    image1.append(os.path.basename(item))

#遍历文件名称，去除后缀，只保留名称
for item in image1:
    (temp1, temp2) = os.path.splitext(item)
    imgname1.append(temp1)

#对于第二个文件夹路径，做同样的操作
imageDir2 = os.path.abspath('/home/chenxp/datadisk/pascal/VOCdevkit/VOC2010/SegmentationClass')
image2 = []
imgname2 = []
imageList2 = glob.glob(os.path.join(imageDir2, '*.png'))

for item in imageList2:
    image2.append(os.path.basename(item))

for item in image2:
    (temp1, temp2) = os.path.splitext(item)
    imgname2.append(temp1)

#通过遍历，获取第一个文件夹下，文件名称（不包括后缀）与第二个文件夹相同的文件，并另存在outDir文件夹下。文件名称与第一个文件夹里的文件相同，后缀格式亦保持不变。
for item1 in imgname1:
    for item2 in imgname2:
        if item1 == item2:
            dir = imageList1[imgname1.index(item1)]
            img = Image.open(dir)
            name = os.path.basename(dir)
            img.save(os.path.join(outDir, name))

参考：python tools：找出两个文件夹里相同的文件，保存输出_chenxp2311的博客-CSDN博客