训练集的xml缺少utf8编码问题以及图片数据为空解决方案

在对一些label进行重写时往往会造成编码问题’Invalid byte 2 of 2-byte UTF-8 sequence’，所以在写label的同时也要进行相应的写码操作，如下：

import os
import xml.etree.ElementTree as ET
# 批量修改VOC数据集中xml标签文件的标签名称
def changelabelname(inputpath):
    listdir = os.listdir(inputpath)
    for file in listdir:
        if file.endswith('xml'):
            file = os.path.join(inputpath,file)
            tree = ET.parse(file)
            root = tree.getroot()
            for object1 in root.findall('object'):
                for sku in object1.findall('name'):           #查找需要修改的名称
                    if (sku.text == '你的label'):                   #修改前的名称
                        sku.text = '你的新label'    #修改后的名称
                        tree.write(file,encoding='utf-8')     #写进原始的xml文件并避免原始xml中文字符乱码
                    else:
                        pass
        else:
            pass

if __name__ == '__main__':
    inputpath = 'C:/Users/201901/Desktop/anotations'  #此处替换为自己的路径
    changelabelname(inputpath)

改好后，如果遇到除数为零的情况，“division by zero …”，有可能是图片的序号不规范，这时就需要进行重新编号，在编号时要注意jpg与xml相对应，脚本如下：

import numpy as np
import glob
import os
import xml.etree.ElementTree as ET
import xml.dom.minidom

'''
第一步，将xml文件和图片重新命名
'''


# 获取文件夹中jpg图片的数量
def getDirImageNum(path):
    bmpDirImagesNum = 0
    for bmpfile in os.listdir(path):
        if os.path.splitext(bmpfile)[1] == '.jpg':
            bmpDirImagesNum += 1
    return bmpDirImagesNum


# 获取文件夹中xml文件的数量
def getDirXmlNum(path):
    xmlDirXmlNum = 0
    for xmlfile in os.listdir(path):
        if os.path.splitext(xmlfile)[1] == '.xml':
            xmlDirXmlNum += 1
    return xmlDirXmlNum


inputpath1 = "C:/Users/lindsay/Desktop/datasets/images"
inputpath2 = 'C:/Users/lindsay/Desktop/datasets/annotations'

outpath1 = "D:/datasets/img"
outpath2 = "D:/datasets/anno"

file_name = os.listdir(inputpath2)

error = []
for item in file_name:
    print(item)
    o_imap = inputpath1 + item.split('.')[0] + ".jpg"
    o_xmlp = inputpath2 + item.split('.')[0] + ".xml"
    i = getDirImageNum(outpath1)  # 表示jpg文件的命名是从当前输出文件夹中的jpg文件数目开始的
    if os.path.exists(o_imap) and os.path.exists(o_xmlp):
        i = i + 1
        new_name = '0' + format(str(i), '0>5s') + '.jpg'
        dst1 = os.path.join(os.path.abspath(outpath1), new_name)  # 为000001.jpg
        os.rename(o_imap, dst1)
        dst2 = os.path.join(os.path.abspath(outpath2), '0' + format(str(i), '0>5s') + '.xml')  # 为000000.xml形式，想要的格式
        try:
            dom = xml.dom.minidom.parse(o_xmlp)
            root = dom.documentElement
            # 获取标签对path之间的值并赋予新值j
            # 文件夹赋值
            root.getElementsByTagName('folder')[0].firstChild.data = "VOC2007"

            # 获取标签对filename之间的值并赋予新值j
            root.getElementsByTagName('filename')[0].firstChild.data = new_name

            # 将修改后的xml文件保存,xml文件修改前后的路径
            # 打开并写入
            with open(o_xmlp, 'w') as fh:
                dom.writexml(fh)
            os.rename(o_xmlp, dst2)
            print('converting %s to %s ...' % (o_xmlp, dst2))
        except:
            error.append(new_name)
            continue
            # 如果有出错的文件，error++
            print(len(error))

脚本中的输入输出文件夹千万不能这样写

	inputpath1 = "C:/Users/lindsay/Desktop/datasets/images"
	inputpath2 = 'C:/Users/lindsay/Desktop/datasets/annotations'
	
	outpath1 = "D:/datasets/img"
	outpath2 = "D:/datasets/anno"

否则代码不报错，只刷新文件夹，加一个反斜杠就行，output的最后反斜杠也可以不加：

	inputpath1 = "C:/Users/lindsay/Desktop/datasets/images/"
	inputpath2 = 'C:/Users/lindsay/Desktop/datasets/annotations/'
	
	outpath1 = "D:/datasets/img/"
	outpath2 = "D:/datasets/anno/"

一起开启新世界的大门吧😊