pytorch技巧 三： 解析XML文件 及 ElementTree模块的使用

pytorch技巧 三： 解析XML文件 及 ElementTree模块的使用

1. 理解什么是xml

xml是可扩展标记语言（Extensible Markup Language）的缩写，其中的 标记（markup）是关键部分。您可以创建内容，然后使用限定标记标记它，从而使每个单词、短语或块成为可识别、可分类的信息。
下面为一个xml文件，后续对xml文件的操作都用这个例子来演示。

为了很好的理解xml文件的结构，画了树状图来表示，其中树状图的层数在xml文件中是空格来表示，即越深的节点空格数越多，对比就可以发现xml文件的特点。其中叶子节点表示该节点没有子节点。

2. 利用ElementTree解析xml

第一步，将xml文件解析为树：

import xml.etree.ElementTree as ET

##下面是两种解析方法，看了源码，这两种方法效果其实是一样的，使用的时候看哪种方便就用哪种
tree1 = ET.ElementTree(file='./dlj.xml')
tree2 = ET.parse('./dlj.xml')
 

后面就可以对树进行各种操作：

1. 获取根节点

import xml.etree.ElementTree as ET

tree = ET.parse('./dlj.xml')

root = tree.getroot()   #<Element 'annotation' at 0x000001EF52528868> 

显示根节点是个Element对象，名称为’annotation’

2. 遍历子节点

import xml.etree.ElementTree as ET

tree = ET.parse('./dlj.xml')

root = tree.getroot()

for item in root.iter():
    print(item.tag)  #显示节点名称
    print(item.text) #显示节点内容

3. 查找特定节点

import xml.etree.ElementTree as ET

tree = ET.parse('./dlj.xml')

root = tree.getroot()

for item in root.iter('xmin'): # 查找指定节点'xmin'
    print(item.text)   # 131

上面方法是遍历所有节点，找特定节点。
还有一种方法是遍历其直接子节点，找特定节点，如下所示：(如果其直接节点没有所找的特定节点会报错)

import xml.etree.ElementTree as ET

tree = ET.parse('./dlj.xml')

root = tree.getroot()

item1 = root.find('object') #在根节点下查找直接子节点'object'
print(item1.tag)
item2 = item1.find('difficult')  #在节点'object'下查找直接子节点'difficult'
print(item2.tag)
print(item2.text)

其实还可以通过索引来访问节点。

4. 删除节点

import xml.etree.ElementTree as ET

tree = ET.parse('./dlj.xml')
root = tree.getroot()
del root[3]  # 删除根节点下索引为3的直接子节点，由结果可知节点'object'及其所有子节点都删除了。
for item in root.iter():
    print(item.tag)
    print(item.text)

5. 更改节点名称或内容

import xml.etree.ElementTree as ET

tree = ET.parse('./dlj.xml')
root = tree.getroot()

root.find('folder').text = 'dlj' # 更改节点内容
root.find('folder').tag = 'wzh'  # 更改节点名称

for item in root.iter():
    print(item.tag)
    print(item.text)

6. 保存xml文件
   注意！！！上面对xml文件的更改操作不会改变原本的xml文件，必须要保存下来。

import xml.etree.ElementTree as ET

tree = ET.parse('./dlj.xml')
root = tree.getroot()

root.find('folder').text = 'dlj'
root.find('folder').tag = 'wzh'

modify_tree = ET.ElementTree(root)
path_xml = 'new.xml'
modify_tree.write(path_xml)

在工程文件夹下就会生成一个new.xml的文件，如下所示，可以看出改动已经保存下来了。