python解析xml文件——通过etree来解析xml文件

利用from lxml import etree来解析

 

---------------------------这个是有背包的情况下---------------------------------

<?xmlversion="1.0" ?>
<annotation>
<size>
<width>75</width>
<height>177</height>
<depth>3</depth>
</size>
<gender>1</gender>
<hairlength>0</hairlength>
<object>
<name>head</name>
<bndbox>
<xmin>38</xmin>
<ymin>1</ymin>
<xmax>58</xmax>
<ymax>26</ymax>
</bndbox>
</object>
<object>
<name>top</name>
<category>3</category>
<color>8</color>
<bndbox>
<xmin>17</xmin>
<ymin>23</ymin>
<xmax>71</xmax>
<ymax>106</ymax>
</bndbox>
</object>
<object>
<name>down</name>
<category>0</category>
<color>0</color>
<bndbox>
<xmin>30</xmin>
<ymin>105</ymin>
<xmax>57</xmax>
<ymax>121</ymax>
</bndbox>
</object>
<object>
<name>shoes</name>
<category>3</category>
<color>7</color>
<bndbox>
<xmin>29</xmin>
<ymin>122</ymin>
<xmax>42</xmax>
<ymax>168</ymax>
</bndbox>
</object>
<object>
<name>shoes</name>
<category>3</category>
<color>7</color>
<bndbox>
<xmin>43</xmin>
<ymin>122</ymin>
<xmax>57</xmax>
<ymax>168</ymax>
</bndbox>
</object>
<object>
<name>bag</name>
<category>0</category>
<color>7</color>
<bndbox>
<xmin>9</xmin>
<ymin>55</ymin>
<xmax>27</xmax>
<ymax>84</ymax>
</bndbox>
</object>
</annotation>

 

-------------------------------------------这个是没有背包的情况下：此时在object标签下面没有bag这个label----------------------

<?xmlversion="1.0" ?>
<annotation>
    <size>
        <width>66</width>
        <height>199</height>
        <depth>3</depth>
    </size>
    <gender>1</gender>
    <hairlength>0</hairlength>
    <object>
        <name>head</name>
        <bndbox>
           <xmin>23</xmin>
           <ymin>2</ymin>
           <xmax>50</xmax>
           <ymax>34</ymax>
        </bndbox>
    </object>
    <object>
        <name>top</name>
        <category>2</category>
        <color>2</color>
        <bndbox>
           <xmin>1</xmin>
           <ymin>35</ymin>
           <xmax>63</xmax>
           <ymax>132</ymax>
        </bndbox>
    </object>
    <object>
        <name>down</name>
        <category>0</category>
        <color>0</color>
        <bndbox>
           <xmin>9</xmin>
           <ymin>131</ymin>
           <xmax>39</xmax>
           <ymax>167</ymax>
        </bndbox>
    </object>
    <object>
        <name>shoes</name>
        <category>3</category>
        <color>0</color>
        <bndbox>
           <xmin>26</xmin>
           <ymin>164</ymin>
           <xmax>46</xmax>
           <ymax>195</ymax>
        </bndbox>
    </object>
    <object>
        <name>shoes</name>
        <category>3</category>
        <color>0</color>
        <bndbox>
           <xmin>11</xmin>
           <ymin>174</ymin>
           <xmax>28</xmax>
           <ymax>193</ymax>
        </bndbox>
    </object>
</annotation>

Q1:

遇到的第一个难题就是：如何解析<gender>以及<hairlength>，

多亏了https://zhidao.baidu.com/question/523477874624497285.html

利用findall方法，将gender以及hairlength属性名来进行解析，pass

Q2:如何解析根节点下面的子节点的内容：

 

http://blog.csdn.net/oxiangduinishuo1/article/details/51864503这个主要是教理论的

http://www.cnblogs.com/hongten/p/hongten_python_xml_etree_elementtree.html，参考这个教程，写出了图片的size，但是有个问题：多个object标签怎么处理

 

http://techpool.iteye.com/blog/643667，可以通过if判断标签名字来解决，这个链接给我了灵感

 

 

Q3:卡了半天，因为不同的文件，是否背包的属性不同，有的文件没有书包这个属性，因此我直接做了一个obj_name_list，将所有的属性都放到这个list当中了，然后进行判断是否bag这个属性在list当中，如果不在的话，那就像读取第二个xml文件那样了

-----------------------------最后贴一下代码-----------------------------------------

# -*- coding: utf-8 -*-

__author__ = 'xuy'

 

from lxml import etree

 

 

gender_list=['male','female']

hair_list=['long','short','other']

top_list=['T-shirt','skirt','waitao','rurongfu','xifu','other']#上衣

down_list=['changku','duanku','changqun','duanqun','other']

shoes_list=['pixie','yundongxie','liangxie','xuezi','other']

bag_list=['danjianbao','shuangjianbao','shoulaxiang','qianbao','other']

color_list=['black','white','red','yellow','blue','green','purpose','brown','gray','orange','multi_color','other']

 

 

 

 

xml_file=etree.parse('IMG_000009.xml')

 

root_node=xml_file.getroot()

 

def gender_hair_node(type):

    for atype in root_node.findall(type):

        attr=int(atype.text)

    return attr

 

 

 

 

"""

输出文件的大小

"""

for size_node in root_node.findall('size'):

   pic_width=int(size_node.find('width').text)

    pic_height=int(size_node.find('height').text)

    pic_depth=int(size_node.find('depth').text)

 

    print "图片大小:%d",pic_width

    print "图片大小:%d",pic_height

    print "图片大小:%d",pic_depth

 

 

"""

输出性别以及头发的长短

"""

gender_arr=gender_list[gender_hair_node('gender')]

hair_arr=hair_list[gender_hair_node('hairlength')]

 

print gender_arr

print hair_arr

#未对与函数进行封装的时候

# for atype_gender in root_node.findall('gender'):

#     gender_attr=gender_list[int(atype_gender.text)]

#     print gender_attr

#

# for atype_hair in root_node.findall('hairlength'):

#    hair_attr=hair_list[int(atype_hair.text)]

#     print hair_attr

 

 

"""

获取head的相关信息,head虽然在object里面，但是没有category以及color的属性，因此单独拿出来

"""

all_object_node=root_node.findall('object')

for obj_node in all_object_node:

    obj_name=obj_node.find('name').text

    if obj_name=='head':

        head_obj_name=obj_name+'_head'

        for bndbox_node in obj_node.findall('bndbox'):

            head_xmin=int(bndbox_node.find('xmin').text)

            head_ymin=int(bndbox_node.find('ymin').text)

            head_xmax=int(bndbox_node.find('xmax').text)

            head_ymax=int(bndbox_node.find('ymax').text)

 

print head_xmin

print head_ymin

print head_xmax

print head_ymax

 

print "-----------------------------------------------"

all_object_node=root_node.findall('object')

def object_node(node_name):

   all_object_node=root_node.findall('object')

    for obj_node in all_object_node:

        obj_name=obj_node.find('name').text#找到了obj_name，根据obj_name来区分属性

 

 

 

 

        if obj_name==node_name:#如果输入的参数符合obj_name的话，那就直接进入该属性label里面

 

 

 

#---------------------------------------------------------

            category=int(obj_node.find('category').text)

 

 

 

#---------------------------------------------------------

            color=int(obj_node.find('color').text)

 

 

 

#---------------------------------------------------------

 

            for bndbox_node in obj_node.findall('bndbox'):

                xmin=int(bndbox_node.find('xmin').text)

                ymin=int(bndbox_node.find('ymin').text)

                xmax=int(bndbox_node.find('xmax').text)

                ymax=int(bndbox_node.find('ymax').text)

 

 

    print node_name#更新它的obj的名字

    print category

    print color

    print xmin

    print ymin

    print xmax

    print ymax

    return node_name,category,color,xmin,ymin,xmax,ymax

#---------------------------------------------------------

 

 

 

 

 

print "-----------------------------------------------"

top_node_name,top_category,top_color,top_xmin,top_ymin,top_xmax,top_ymax=object_node('top')

 

print "-----------------------------------------------"

down_node_name,down_category,down_color,down_xmin,down_ymin,down_xmax,down_ymax=object_node('down')

 

print "-----------------------------------------------"

 

 

 

 

shoes_node_name,shoes_category,shoes_color,shoes_xmin,shoes_ymin,shoes__xmax,shoes_ymax=object_node('shoes')

print "-----------------------------------------------"

 

"""

因为涉及到是否背包，如果不背包的话，xml文件里面没有数据集，因此单独处理

 

"""

 

all_object_node=root_node.findall('object')

has_bag=False

for obj_node in all_object_node:

    obj_name=obj_node.find('name').text

    obj_name_list=[]

    obj_name_list.append(obj_name)

    if obj_name=='bag':#数据集当中有bag,那么就读取bag当中的像素区域

        has_bag=True

        for bndbox_node in obj_node.findall('bndbox'):

            bag_xmin=int(bndbox_node.find('xmin').text)

            bag_ymin=int(bndbox_node.find('ymin').text)

            bag_xmax=int(bndbox_node.find('xmax').text)

            bag_ymax=int(bndbox_node.find('ymax').text)

    if 'bag' not in obj_name_list:

 

        bag_xmin=None

        bag_ymin=None

        bag_xmax=None

        bag_ymax=None

print '是否背包:',has_bag

print bag_xmin

print bag_ymin

print bag_xmax

print bag_ymax

总结：应该再看一下etree的官方文档，基本上是第二次写xml解析了，还不是特别熟练，以后应该多加练习