将开源WTW表格数据集格式转换成PPOCRLabel格式

废话不多说，直接上代码

import xml.etree.ElementTree as ET
import os
import json

 
# 定义函数convert_annotation(xml_files_path, save_txt_files_path)，
# 该函数接受两个参数，分别为xml文件的路径（xml_files_path），转换成txt文件之后的保存路径（save_txt_files_path）。
 
def convert_annotation(xml_files_path, save_txt_files_path):
    xml_files = os.listdir(xml_files_path)
    print(xml_files)
    out_txt_path = os.path.join(save_txt_files_path + '.txt')
    out_txt_f = open(out_txt_path, 'w')

    for xml_name in xml_files:  # 遍历文件夹内所有的xml文件名
        print(xml_name)
        xml_file = os.path.join(xml_files_path, xml_name)
        #out_txt_path = os.path.join(save_txt_files_path, xml_name.split('.')[0] + '.txt')
        #out_txt_f = open(out_txt_path, 'w')
        tree = ET.parse(xml_file)  # 使用xml树，遍历当前的xml文件
        root = tree.getroot()  # 获取到当前xml树的根节点
        size = root.find('size')  # 在当前的xml文件内找到子元素size
        w = int(size.find('width').text)
        h = int(size.find('height').text)
        # 以上两行代码表示在当前的xml文件内找到目标框的宽度和高度

        img_path= 'images/'+xml_name.split('.')[0] + '.jpg'


        out_txt_f.write(img_path)
        out_txt_f.write('\t')
        

        data={}
        annotations=[]
        for ann in root.iter('annotation'):
            for obj in ann.findall('object'):
                points = []
                transcription = '文字'

                for xmlbox in obj.findall('bndbox'):
                    points.append([[int(float(xmlbox.find('x1').text)),int(float(xmlbox.find('y1').text))],[int(float(xmlbox.find('x2').text)),int(float(xmlbox.find('y2').text))],[int(float(xmlbox.find('x3').text)),int(float(xmlbox.find('y3').text))],[int(float(xmlbox.find('x4').text)),int(float(xmlbox.find('y4').text))]])
                    annotations.append({
                    "transcription": transcription,
                    "points": points[0]
                })
        #防止双引号被转义成单引号
        annotations = json.dumps(annotations, ensure_ascii=False, indent=None)
        out_txt_f.write(annotations)
        out_txt_f.write('\n')
 
if __name__ == "__main__":

    # 1、WTW数据集xml标签文件路径
    xml_files1 = r'.\test-xml-revise'
    # 2、转化为PPOCRLabel格式的txt标签文件存储路径
    save_txt_files1 = r'.\labels'
 
    convert_annotation(xml_files1, save_txt_files1)

可用于训练OCR检测模型