标注标签删除和转移

今天要做的是把两份不同的标注文件里面的标签进行合并。这工作在标注工作中是很有必要的。下面以把b文件夹中的标注文件上的标签转移到a文件夹中的标注文件上为例。说说我们编写的代码结构。

1、删除多余标签。

这个比较麻烦，要借助我们的标注工具上面的功能。最开始我写的代码是包含标签选择的，就是只选某个或者某几个标签来转移，但是标注过程中，你会发现不少标签做完标注的行数不一样，这样给我们在抽取标签的时候造成很大的麻烦，如下图：

所以后来我先把b文件夹中不需要抽取的标签删除掉了，再来进行b标签全部转移到a上面。

删除标签也就可以用下面的代码

import lxml.etree as ET
from tkinter import Tk
from tkinter import filedialog
import os
import glob


def parse_xml():
	root = Tk()
	root.withdraw()
	#root_dir = filedialog.askdirectory()
	root_dir = './cs/'
	for root_path, dirs, files in os.walk(root_dir):
		for name in files:
			print(name)
			if name.split('.')[-1] == 'xml':
				print(root_path,name)
				file_name = os.path.join(root_path,name)
				print("文件名：",file_name,os.path.exists(file_name))

				tree = ET.parse(file_name)
				root = tree.getroot()
				for node in root.iter('object'):
					#print(child.tag,child.attrib,child.text)  #二级节点标签、属性、内容
					for i in node:
						if i.tag == 'name' and i.text == '1':#删除1的标签
							print('删除：%s的1标签' %file_name)
							root.remove(node)
						elif i.tag == 'name' and i.text == '123':#删除123的标签
							print('删除：%s的123标签' %file_name)
							root.remove(node)
				print(file_name)
				tree.write(file_name)
				print('end')
		
		


if __name__ == '__main__':
	parse_xml()

2、转移标签

import os
import shutil #这个是为了直接把b文件夹中有，a文件中没有的文件直接从b复制到a


dir1 = './a/'   #a为待输入标签文件夹
dir2 = './b/'   #b为待抽取标签文件夹
all_list1 = os.listdir(dir1)  #a文件夹里面的东西生成列表
all_list2 = os.listdir(dir2)  #b文件夹里面的东西生成列表
for x in range(len(all_list2)):  #遍历b中每个文件为x
    if all_list2[x] in all_list1:  #如果x也在a中（同名）
        xml1 = dir2 + all_list2[x]  #xml1为x在b中的路径加x
        xml2 = dir1 + all_list2[x]  #xml2为x在a中的路径加x
        f1 = open(xml1, 'r', encoding='UTF-8')   #只读打开xml1（b文件夹）为f1
        data1 = f1.readlines()   #f1里面东西生成列表data1，用列表的形式，一行为一个列表，比如我们最后一行</annotation>就是这里面其中一个
        f1.close()  #关闭打开的xml1
        f2 = open(xml2, 'r', encoding='UTF-8')  #只读打开xml2（a文件夹）为f2
        data2 = f2.read()  #f2里面东西生成列表data2，用字符串的形式，如我们最后一行</annotation>，那么它读出来就是'<','/',a','n','n'.....'>'和'\n'而不是整行,这里\n是换行符一共14个
        f2.close()  #关闭打开的xml2
        f3 = open(xml2, 'w', encoding='UTF-8')  #读写打开xml2（a文件夹）为f3
        for u in range(len(data2) - 14):  #-14是因为最后一行
            f3.write(data2[u])  #重写除最后一行</annotation>外的所有字符
        f3.write('\n') #另起一行，等下接着写
        for v in range(len(data1) - 1): 
            if data1[v] == "\t<object>\n": #找出列表data1（b文件夹）中\t<object>\n所在的行V \t是tab的意思，就是空4格，\n是换行。\t<object>\n为我们做标注的标签开头
                break  #找到v后终止循环，这个很重要，不终止的话b中文件有多个标签的话，后面的标签会复制多次
        for r in range(v, len(data1)):
            f3.write(data1[r])  #将f1（b文件夹）中的第v行到最后一行全部写入f3中
        #f3.write('</annotation>\n')            
        f3.close() #关闭打开的f3
    if all_list2[x] not in all_list1:  #如果b中文件在a中没有
        xml3 = dir2 + all_list2[x]
        shutil.copy(xml3, dir1)   ##直接把b文件拷贝到a中，名字不变
print('请勿重复执行，否则会多次写入b文件中标签')