看代码吧~
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
|
# -*- coding:utf-8 -*- import osimport jsonimport numpy as np #from xml.etree import ElementTree as etreefrom xml.etree.ElementTree import Elementfrom xml.etree.ElementTree import SubElementfrom xml.etree.ElementTree import ElementTree imagePath = r'E:\Desktop\SteelCoilsDetection\test\images'jsonPath = r'E:\Desktop\SteelCoilsDetection\test\json'savePath = r'E:\Desktop\SteelCoilsDetection\test\xml' jsonList = os.listdir(jsonPath)for jsonName in jsonList: print(jsonName) readPath = os.path.join(jsonPath, jsonName) # 打开json文件 with open(readPath, 'r') as file_loader: jsonDic = json.load(file_loader) # print(jsonDic.keys()) # dict_keys(['version', 'flags', 'shapes', 'imagePath', 'imageData', 'imageHeight', 'imageWidth']) # 生成xml文件 annotation = Element('annotation') folder = SubElement(annotation, 'folder') folder.text = "images" filename = SubElement(annotation, 'filename') filename.text = jsonName.split('.')[0] path = SubElement(annotation, 'path') path.text = imagePath + jsonName.split('.')[0] source = SubElement(annotation, 'source') database = SubElement(source, 'database') database.text = "Unknown" size = SubElement(annotation, 'size') width = SubElement(size, 'width') width.text = str(jsonDic['imageWidth']) height = SubElement(size, 'height') height.text = str(jsonDic['imageHeight']) depth = SubElement(size, 'depth') depth.text = "3" segmented = SubElement(annotation, 'segmented') segmented.text = "0" for shape in jsonDic['shapes']: if shape["label"] == 'a': continue object = SubElement(annotation, 'object') name = SubElement(object, 'name') name.text = shape["label"] pose = SubElement(object, 'pose') pose.text = 'Unspecified' truncated = SubElement(object, 'truncated') truncated.text = str(0) difficult = SubElement(object, 'difficult') difficult.text = str(0) points = shape['points'] mritx = np.array(points) xxmin = min(mritx[:, 0]) xxmax = max(mritx[:, 0]) yymin = min(mritx[:, 1]) yymax = max(mritx[:, 1]) bndbox = SubElement(object, 'bndbox') xmin = SubElement(bndbox, 'xmin') xmin.text = str(int(xxmin)) ymin = SubElement(bndbox, 'ymin') ymin.text = str(int(yymin)) xmax = SubElement(bndbox, 'xmax') xmax.text = str(int(xxmax)) ymax = SubElement(bndbox, 'ymax') ymax.text = str(int(yymax)) tree = ElementTree(annotation) tree.write(os.path.join(savePath, jsonName.split('.')[0]+'.xml'), encoding = 'utf-8') |
美化：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
|
# -*- coding:utf-8 -*- import osfrom xml.etree import ElementTree # 导入ElementTree模块 # elemnt为传进来的Elment类，参数indent用于缩进，newline用于换行def prettyXml(element, indent, newline, level = 0): # 判断element是否有子元素 if element: # 如果element的text没有内容 if element.text == None or element.text.isspace(): element.text = newline + indent * (level + 1) else: element.text = newline + indent * (level + 1) + element.text.strip() + newline + indent * (level + 1) # 此处两行如果把注释去掉，Element的text也会另起一行 #else: #element.text = newline + indent * (level + 1) + element.text.strip() + newline + indent * level temp = list(element) # 将elemnt转成list for subelement in temp: # 如果不是list的最后一个元素，说明下一个行是同级别元素的起始，缩进应一致 if temp.index(subelement) < (len(temp) - 1): subelement.tail = newline + indent * (level + 1) else: # 如果是list的最后一个元素， 说明下一行是母元素的结束，缩进应该少一个 subelement.tail = newline + indent * level # 对子元素进行递归操作 prettyXml(subelement, indent, newline, level = level + 1) dir = r'E:\Desktop\SteelCoilsDetection\test\xml'for fileName in os.listdir(dir): print(fileName) tree = ElementTree.parse(os.path.join(dir, fileName)) #解析test.xml这个文件，该文件内容如上文 root = tree.getroot() #得到根元素，Element类 prettyXml(root, '\t', '\n') # 执行美化方法 #ElementTree.dump(root) #显示出美化后的XML内容 tree.write(os.path.join(dir, fileName), encoding = 'utf-8') |
补充：Python 标准库 xml 详解
对于简单的 XML 解析处理, 可以使用标准库 xml, 相对于第三方库 lxml, xml 无需额外安装, 但 xml 是用 Python 实现的, 性能不如 lxml
XML 的解析功能主要由 xml.etree.ElementTree 模块完成, 其中包含两个类, ElementTree 用于表示整个 XML 文档, 而 Element 表示文档中的一个节点
示例数据, 命名为 book.xml
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
<?xml version="1.0"?><bookstore> <book name="西游记"> <author>吴承恩</author> <dynasty>明朝</dynasty> <similar name="封神演义" author="许仲琳"/> </book> <book name="红楼梦"> <author>曹雪芹</author> <dynasty>清朝</dynasty> </book> <book name="三国演义"> <author>罗贯中</author> <dynasty>明末清初</dynasty> <similar name="三国志" author="陈寿"/> </book></bookstore> |
导入要解析的 XML 文档, 并获取文档的根节点
|
1
2
3
|
import xml.etree.ElementTree as ETtree = ET.parse("./book.xml")root = tree.getroot() |
也可以直接解析字符串
|
1
2
|
with open("./book.xml") as fp: root = ET.fromstring(fp.read()) |
对于每一个节点 Element:
通过列表接口可以访问直接子节点
通过字典接口可以访问属性节点, 也可通过 attrib 属性(例如 root.attrib)得到真正的字典
其他还有 tag 属性表示标签名, text 表示其包含的文本内容
|
1
2
3
4
5
6
|
# 遍历直接子节点for book in root: print(book.tag, book.attrib, book.get("name"))# 访问根节点下的第2个子节点, 再向下访问第1个子节点的文本, 也就是 "<author>曹雪芹</author>"author = root[1][0].textprint(type(author), author) |
打印输出
book {'name': '西游记'} 西游记
book {'name': '红楼梦'} 红楼梦
book {'name': '三国演义'} 三国演义
<class 'str'> 曹雪芹
获取到的文本结果与 lxml 不同, 这里的结果直接是字符串类型
递归函数, 可以遍历所有的后代节点
|
1
2
3
|
# 递归选择所有标签名为 "similar" 的节点for book in root.iter("similar"): print(book.attrib) |
打印输出
{'name': '封神演义', 'author': '许仲琳'}
{'name': '三国志', 'author': '陈寿'}
XPath 语法
XPath 类似于文件路径, 路径中最末尾的部分表示要提取的内容, 分隔符有两种, "/"表示直接子节点的关系, "//"表示所有的子节点
| 语法 | 含义 |
|---|---|
| tag | 匹配特定标签 |
| * | 匹配所有元素 |
| . | 当前节点, 用于相对路径 |
| … | 父节点 |
| [@attrib] | 匹配包含 attrib 属性的节点 |
| [@attrib=‘value'] | 匹配 attrib 属性等于 value 的节点 |
| [tag] | 匹配包含直接子节点 tag 的节点 |
| [tag=‘text'] | 匹配包含直接子节点 tag 且子节点文本内容为 text 的节点 |
| [n] | 匹配第 n 个节点 |
[] 前面必须有标签名, book[@name][similar] 匹配带有 name 属性以及 similar 直接子节点的 book 节点, 然后将 book[@name][similar] 置于 XPath 路径中, 例如 “/bookstore/book[@name][similar]”
可以通过 Element 对象的方法 findall(path) 和 find(path) 使用 XPath 语法, 次时路径是从 Element 代表的节点开始, 也可以通过 ElementTree 对象调用 findall 与 find, 相当于路径从根节点开始
匹配到节点, findall 返回所有匹配节点的列表, find 返回首个匹配节点, 没有匹配到节点时, findall 返回空列表, find 返回 None
|
1
2
3
4
5
6
|
# . 表示 bookstore 节点author_1 = tree.find("./book[@name='红楼梦']/author").textauthor_2 = tree.findtext("./book[@name='红楼梦']/author")print("红楼梦作者:", author_1, author_2)author_3 = root.find("./book/similar[@name='三国志']").get("author")print("三国志作者:", author_3) |
打印结果
红楼梦作者: 曹雪芹 曹雪芹
三国志作者: 陈寿
findtext 类似于 find, 直接获取节点的文本内容
|
1
2
3
4
5
6
|
books_1 = root.findall("./book[similar]")# 对于直接子节点, 可以省略 ./books_2 = root.findall("book[similar]")print(books_1 == books_2)for book in books_1: print(book[0].text, book[1].text) |
打印结果
True
吴承恩 明朝
罗贯中 明末清初
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/weixin_39715012/article/details/115210307
