Python基础知识之读取XML文件

        如果你是深度学习的一员，那么平时在训练模型的时候，就会常看到一些标注是使用xml文件来做的，比如常用到的一个数据集VOC，它的Annotations就是用xml来储存图片中对象的属性的。
所以对于熟悉读取xml文件是很有必要的，我们先来看个xml文件，来自VOC2012的对2007_000027.jpg图片里面对象属性的标注，2007_000027.xml：

<annotation>
	<folder>VOC2012</folder>
	<filename>2007_000027.jpg</filename>
	<source>
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
	</source>
	<size>
		<width>486</width>
		<height>500</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>person</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>174</xmin>
			<ymin>101</ymin>
			<xmax>349</xmax>
			<ymax>351</ymax>
		</bndbox>
		<part>
			<name>head</name>
			<bndbox>
				<xmin>169</xmin>
				<ymin>104</ymin>
				<xmax>209</xmax>
				<ymax>146</ymax>
			</bndbox>
		</part>
		<part>
			<name>hand</name>
			<bndbox>
				<xmin>278</xmin>
				<ymin>210</ymin>
				<xmax>297</xmax>
				<ymax>233</ymax>
			</bndbox>
		</part>
		<part>
			<name>foot</name>
			<bndbox>
				<xmin>273</xmin>
				<ymin>333</ymin>
				<xmax>297</xmax>
				<ymax>354</ymax>
			</bndbox>
		</part>
		<part>
			<name>foot</name>
			<bndbox>
				<xmin>319</xmin>
				<ymin>307</ymin>
				<xmax>340</xmax>
				<ymax>326</ymax>
			</bndbox>
		</part>
	</object>
</annotation>

那如何来读取里面的节点与它的内容呢，这里需要使用到xml.etree.ElementTree这样的一个库

import xml.etree.ElementTree as ET
tree=ET.parse('2007_000027.xml')

通过parse解析文件，生成一个树的对象，然后在这个对象里面去寻找节点即可
比如这里，我们想要读取图片的宽和高节点的属性值，也就是节点size里面的width与height，通过tree中的find来查找：

tree.find('size').find('width').text
tree.find('size').find('height').text

注意的是，这里查找出来的486和500的值，是str类型而不是int,所以如果是需要为整型类型时，需要做类型转换

如果是多个同样节点，比如多个<object>节点，如何读取呢？
这里使用findall来进行遍历访问，返回的是列表，也就是find获取的元素的集合，我们来看下多个<object>节点的xml文件2007_000032.xml：

<annotation>
	<folder>VOC2012</folder>
	<filename>2007_000032.jpg</filename>
	<source>
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
	</source>
	<size>
		<width>500</width>
		<height>281</height>
		<depth>3</depth>
	</size>
	<segmented>1</segmented>
	<object>
		<name>aeroplane</name>
		<pose>Frontal</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>104</xmin>
			<ymin>78</ymin>
			<xmax>375</xmax>
			<ymax>183</ymax>
		</bndbox>
	</object>
	<object>
		<name>aeroplane</name>
		<pose>Left</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>133</xmin>
			<ymin>88</ymin>
			<xmax>197</xmax>
			<ymax>123</ymax>
		</bndbox>
	</object>
	<object>
		<name>person</name>
		<pose>Rear</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>195</xmin>
			<ymin>180</ymin>
			<xmax>213</xmax>
			<ymax>229</ymax>
		</bndbox>
	</object>
	<object>
		<name>person</name>
		<pose>Rear</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>26</xmin>
			<ymin>189</ymin>
			<xmax>44</xmax>
			<ymax>238</ymax>
		</bndbox>
	</object>
</annotation>

可以看到有四个<object>分别存储着四个不同的对象，我们来遍历这个节点，顺便将<object>里面的锚框节点<bndbox>的四个属性(左上角和右下角的坐标)也给查找出来，这里我们通过字典保存每个对象方便后期调用，然后将字典都添加到一个列表里面：

tree = ET.parse('2007_000032.xml')
objects = []
for obj in tree.findall('object'):
    obj_dict = dict()
    obj_dict['name'] = obj.find('name').text
    bbox = obj.find('bndbox')
    obj_dict['bbox'] = [int(float(bbox.find('xmin').text)), int(float(bbox.find('ymin').text)), int(float(bbox.find('xmax').text)), int(float(bbox.find('ymax').text))]
    objects.append(obj_dict)
print(len(objects),objects)
print(objects[3]['bbox'])

'''
4 [{'name': 'aeroplane', 'bbox': [104, 78, 375, 183]}, {'name': 'aeroplane', 'bbox': [133, 88, 197, 123]}, {'name': 'person', 'bbox': [195, 180, 213, 229]}, {'name': 'person', 'bbox': [26, 189, 44, 238]}]
[26, 189, 44, 238]
'''