python 处理xml文件

最新推荐文章于 2024-10-28 12:05:02 发布

xinming_365

最新推荐文章于 2024-10-28 12:05:02 发布

阅读量1.7k

点赞数 1

分类专栏： python

本文链接：https://blog.csdn.net/xinming_365/article/details/109039354

版权

python 专栏收录该内容

20 篇文章 0 订阅

订阅专栏

XML可扩展标记语言（eXtensible Markup Language），被设计用来传输和存储数据。

<?xml version="1.0" encoding="UTF-8"?>
<note>
  <to>Tove</to>
  <from>Jani</from>
  <heading>Reminder</heading>
  <body>Don't forget me this weekend!</body>
</note>

xml文档形成了一种树解构，它从根部开始，然后扩展到枝叶。在上面的文档中，第一行是xml的声明，定义了xml的版本和使用的编码方式。第二行描述文档的根元素（类似于本文档是一个note），接下来有4个子元素，（to，from，heading，body）。
例如下面的xml文档表示bookstore

<bookstore>
    <book category="COOKING">
        <title lang="en">Everyday Italian</title>
        <author>Giada De Laurentiis</author>
        <year>2005</year>
        <price>30.00</price>
    </book>
    <book category="CHILDREN">
        <title lang="en">Harry Potter</title>
        <author>J K. Rowling</author>
        <year>2005</year>
        <price>29.99</price>
    </book>
    <book category="WEB">
        <title lang="en">Learning XML</title>
        <author>Erik T. Ray</author>
        <year>2003</year>
        <price>39.95</price>
    </book>
</bookstore>

语法结构

xml的声明中，省略关闭标签是非法的。所有元素都必须有关闭标签,类似于

。
xml标签对大小写敏感，xml必须正确嵌套，xml的属性值必须加上引号。例如

<note date="12/11/2007">
<to>Tove</to>
<from>Jani</from>
</note>

xml中的字符拥有特殊的意义，xml中存在5个实体引用

&lt <
&gt >
&amp &
&apos ’
&quot "

xml的注释语法如下，和html语法一样。

<!-- This is a comment -->

xml中空格会被保留，xml以LF存储换行。

python对xml文件解析

常见的xml编程接口有DOM和SAX，这两种接口处理xml文件方式不同。python中有三种方法解析xml，sax，dom一级ElementTree

1.SAX (simple API for XML )

Python 标准库包含 SAX 解析器，SAX 用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。

2.DOM(Document Object Model)

将 XML 数据在内存中解析成一个树，通过对树的操作来操作XML。

3.ElementTree(元素树)

ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

注：因DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）。

解析实例：

<collection shelf="New Arrivals">
<movie title="Enemy Behind">
   <type>War, Thriller</type>
   <format>DVD</format>
   <year>2003</year>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Talk about a US-Japan war</description>
</movie>
<movie title="Transformers">
   <type>Anime, Science Fiction</type>
   <format>DVD</format>
   <year>1989</year>
   <rating>R</rating>
   <stars>8</stars>
   <description>A schientific fiction</description>
</movie>
   <movie title="Trigun">
   <type>Anime, Action</type>
   <format>DVD</format>
   <episodes>4</episodes>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Vash the Stampede!</description>
</movie>
<movie title="Ishtar">
   <type>Comedy</type>
   <format>VHS</format>
   <rating>PG</rating>
   <stars>2</stars>
   <description>Viewable boredom</description>
</movie>
</collection>

xml处理子模块包括：

xml.etree.ElementTree： ElementTree API，一个简单而轻量级的XML处理器
xml.dom：DOM API 定义
xml.dom.minidom：最小的 DOM 实现
xml.dom.pulldom：支持构建部分 DOM 树
xml.sax：SAX2 基类和便利函数
xml.parsers.expat：Expat解析器绑定

ET模块解析xml文件

其中xml.etree.ElementTree模块实现了简单高效的API，可以用来解析和创建XML数据。
Element对象有下面的常用属性：

Element.tag 标签
Element.text，去除标签，获取标签中的内容。
例如
Element.attrib，获取标签中的属性和属性值
Element.findall()，找到带有标签的所有节点
Element.append()，增加新的节点
Element.set()，增加或者修改属性
Element.remove()，删除节点。
ElementTree.write()保存xml文件。

参考官方python的结构化标准处理工具XML
对于下面的示例xml文档：

<?xml version="1.0"?>
<data>
    <country name="Liechtenstein">
        <rank>1</rank>
        <year>2008</year>
        <gdppc>141100</gdppc>
        <neighbor name="Austria" direction="E"/>
        <neighbor name="Switzerland" direction="W"/>
    </country>
    <country name="Singapore">
        <rank>4</rank>
        <year>2011</year>
        <gdppc>59900</gdppc>
        <neighbor name="Malaysia" direction="N"/>
    </country>
    <country name="Panama">
        <rank>68</rank>
        <year>2011</year>
        <gdppc>13600</gdppc>
        <neighbor name="Costa Rica" direction="W"/>
        <neighbor name="Colombia" direction="E"/>
    </country>
</data>

>>> for country in root.findall('country'):
...     rank = country.find('rank').text
...     name = country.get('name')
...     print(name, rank)
...
Liechtenstein 1
Singapore 4
Panama 68

例如下面voc标注的数据，格式为xml文件：

<annotation verified="yes">
    <folder>Annotation</folder>
    <filename>invoice_direction_0_0.jpg</filename>
    <path>invoice_stamp-PascalVOC-export/Annotations/invoice_direction_0_0.jpg</path>
    <source>
        <database>Unknown</database>
    </source>
    <size>
        <width>2962</width>
        <height>1753</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object>
    <name>stamp</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
        <xmin>1872.3010033444816</xmin>
        <ymin>1216.3294491525423</ymin>
        <xmax>2370.9208472686732</xmax>
        <ymax>1579.474458568738</ymax>
    </bndbox>
</object><object>
    <name>stamp</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
        <xmin>1152.4392419175028</xmin>
        <ymin>123.59310263653484</ymin>
        <xmax>1505.7658862876256</xmax>
        <ymax>351.3840630885122</ymax>
    </bndbox>
</object>
</annotation>

import xml.etree.ElementTree as ET
import os
from PIL import Image, ImageDraw, ImageFont

def parse_rec(filename):
	tree = ET.parse(filename) # 解析读取xml函数
	objects = []
	img_dir =[]
	# Element.findall()查找当前元素的直接子元素中带有指定标签的元素
	# Element.find()找带有特定标签的第一个子级
	# Elemtn.text 访问元素的文本内容
	# Element.get 访问元素的属性。
	for xml_name in tree.findall('filename'):
		img_path = os.path.join(pic_path, xml_name.text)
		img_dir.append(img_path)
	for obj in tree.findall('object'):
		obj_struct = {}
		obj_struct['name'] = obj.find('name').text
		obj_struct['pose'] = obj.find('pose').text
		obj_struct['truncated'] = int(obj.find('truncated').text)
		obj_struct['difficult'] = int(obj.find('difficult').text)
		bbox = obj.find('bndbox')
		obj_struct['bbox'] = [int(bbox.find('xmin').text),
							  int(bbox.find('ymin').text),
							  int(bbox.find('xmax').text),
							  int(bbox.find('ymax').text)]
		objects.append(obj_struct)
	
	return objects,img_dir

#	可视化目标框，并显示标签
def visualise_gt(objects,img_dir): 
	for id,img_path in enumerate(img_dir):
		img = Image.open(img_path)
		draw = ImageDraw.Draw(img)
		for a in objects:
			xmin =int(a['bbox'][0])
			ymin =int(a['bbox'][1])
			xmax =int(a['bbox'][2])
			ymax =int(a['bbox'][3])
			label = a['name']
			draw.rectangle((xmin,ymin,xmax,ymax), fill=None, outline=(0,255,0),width=2)
			draw.text((xmin-10,ymin-15), label, fill = (0,255,0),font=font)  # 利用ImageDraw的内置函数，在图片上写入文字
		img.show()

fontPath = "C:\Windows\Fonts\Consolas\consola.ttf" # 字体路径
root = 'F:/dataset/AQM'
ann_path = os.path.join(root, 'Annotations')  # xml文件所在路径
pic_path = os.path.join(root, 'JPEGImages')  # 样本图片路径
font = ImageFont.truetype(fontPath, 16)

for filename in os.listdir(ann_path):
	xml_path = os.path.join(ann_path,filename)
	object,img_dir = parse_rec(xml_path)
	visualise_gt(object,img_dir )