python解析VOC的xml文件并转成自己需要的txt格式

在进行神经网络训练的时候，自己标注的数据集往往会有数据量不够大以及代表性不强等问题，因此我们会采用开源数据集作为训练，开源数据集往往具有特定的格式，如果我们想将开源数据集为我们所用的话，就需要对其格式进行解析，然后转成自己需要的格式，数据转换的过程其实并没有太多的技术性的东西，主要涉及的就是文件的读写操作以及一点点逻辑，之前都会首选Matlab做这样的工作，但是开始接触python之后，尝试着用python进行，发现也十分简洁，下面介绍的就是使用python解析VOC2007的xml文件，然后将其中自己需要用到的信息写到新的txt文件中，以供自己的训练使用：

首先是VOC2007的xml文件格式如下所示，我需要将这样的xml描述转成为txt形式的描述文件，并且从中筛选我所需要的几种格式

1 <annotation>
2     <folder>VOC2007</folder>
3     <filename>000001.jpg</filename>
4     <source>
5         <database>The VOC2007 Database</database>
6         <annotation>PASCAL VOC2007</annotation>
7         <image>flickr</image>
8         <flickrid>341012865</flickrid>
9     </source>
10     <owner>
11         <flickrid>Fried Camels</flickrid>
12         <name>Jinky the Fruit Bat</name>
13     </owner>
14     <size>
15         <width>353</width>
16         <height>500</height>
17         <depth>3</depth>
18     </size>
19     <segmented>0</segmented>
20     <object>
21         <name>dog</name>
22         <pose>Left</pose>
23         <truncated>1</truncated>
24         <difficult>0</difficult>
25         <bndbox>
26             <xmin>48</xmin>
27             <ymin>240</ymin>
28             <xmax>195</xmax>
29             <ymax>371</ymax>
30         </bndbox>
31     </object>
32     <object>
33         <name>person</name>
34         <pose>Left</pose>
35         <truncated>1</truncated>
36         <difficult>0</difficult>
37         <bndbox>
38             <xmin>8</xmin>
39             <ymin>12</ymin>
40             <xmax>352</xmax>
41             <ymax>498</ymax>
42         </bndbox>
43     </object>
44 </annotation>

下面就是解析上述xml文件的python脚本，如下所示，主要用到了xml.etree.cElementTree这个包，具体的用法还需要在查一些资料，我就是照着别人的例子先实现了我所需要的功能。下面的代码首先从一个train.set文件中读取所有的xml的文件名，然后针对于每一个xml文件，进行解析，并存储其中我所需要的信息。

1 #!/usr/bin/evn python
2 #coding:utf-8
3 import os
4
5 try:
6   import xml.etree.cElementTree as ET
7 except ImportError:
8   import xml.etree.ElementTree as ET
9 import sys
10
11 file_srx = open("train.set")  #其中包含所有待计算的文件名
12 line = file_srx.readline()
13 while line:
14   f = line[:-1]    # 除去末尾的换行符
15   tree = ET.parse(f)     #打开xml文档
16   root = tree.getroot()         #获得root节点
17   print "*"*10
18   filename = root.find('filename').text
19   filename = filename[:-4]
20   print filename
21   #file_object = open(filename + ".txt", 'w') #写文件
22   file_object_log = open(filename + ".log", 'w') #写文件
23   flag = False
24
25   ########################################
26   for size in root.findall('size'): #找到root节点下的size节点
27     width = size.find('width').text   #子节点下节点width的值
28     height = size.find('height').text   #子节点下节点height的值
29     print width, height
30   ########################################
31
32   for object in root.findall('object'): #找到root节点下的所有object节点
33     name = object.find('name').text   #子节点下节点name的值
34     print name
35     bndbox = object.find('bndbox')      #子节点下属性bndbox的值
36     xmin = bndbox.find('xmin').text
37     ymin = bndbox.find('ymin').text
38     xmax = bndbox.find('xmax').text
39     ymax = bndbox.find('ymax').text
40     print xmin, ymin, xmax, ymax
41     if name == ("bicycle" or "motorbike"):
42       #file_object.write("Cyclist" + " 0 0 0 " + xmin + ".00 " + ymin + ".00 " + xmax + ".00 " + ymax + ".00 " + "0 0 0 0 0 0 0" + "\n")
43       file_object_log.write(str(float(int(xmax) - int(xmin)) * 1920.0 / float(width)) + " " + str(float(int(ymax) - int(ymin)) * 1080.0 / float(height)) + "\n")
44       flag = True
45     if name == ("car"):
46       #file_object.write("Car" + " 0 0 0 " + xmin + ".00 " + ymin + ".00 " + xmax + ".00 " + ymax + ".00 " + "0 0 0 0 0 0 0" + "\n")
47       file_object_log.write(str(float(int(xmax) - int(xmin)) * 1920.0 / float(width)) + " " + str(float(int(ymax) - int(ymin)) * 1080.0 / float(height)) + "\n")
48       flag = True
49     if name == ("person"):
50       #file_object.write("Pedestrian" + " 0 0 0 " + xmin + ".00 " + ymin + ".00 " + xmax + ".00 " + ymax + ".00 " + "0 0 0 0 0 0 0" + "\n")
51       file_object_log.write(str(float(int(xmax) - int(xmin)) * 1920.0 / float(width)) + " " + str(float(int(ymax) - int(ymin)) * 1080.0 / float(height)) + "\n")
52       flag = True
53   #file_object.close( )
54   file_object_log.close()
55   if flag == False:  #如果没有符合条件的信息，则删掉相应的txt文件以及jpg文件
56     #os.remove(filename + ".txt")
57     #os.remove(filename + ".jpg")
58     os.remove(filename + ".log")
59   line = file_srx.readline()

另外，由于使用windows系统习惯了，很多操作都是采取鼠标加键盘进行的，比如剪切+粘贴等，这些操作在文件较少的时候是十分方便的，但是当需要对大批文件进行操作的时候就没有那么方便了，比如要对上万个文件进行剪切的时候，光是选文件就要拖拽好久，而且一不小心就得重来，在这种情况下，采取dos的批处理操作就十分方便了，比如移动文件的操作（也就是剪切粘贴）只需要一个命令：move*.jpg jpg\则将当前目录下的所有后缀为jpg的文件都移动到了当前目录的下级目录jpg中，当然还有很多其他的命令语句，以后要有这样的意识，在遇到一个功能的时候，首先想一想是否能用命令或者是脚本的方式进行，这种方法在一开始的时候或许会显得比较慢，因为需要花一些时间去查找相关的命令语句，但是如果用的熟练了之后，就会大大提升效率了。