python解析xml文件——通过etree来解析xml文件

利用from lxml import etree来解析
 
---------------------------这个是有背包的情况下---------------------------------
<?xmlversion="1.0" ?>

<annotation>

<size>

<width>75</width>

<height>177</height>

<depth>3</depth>

</size>

<gender>1</gender>

<hairlength>0</hairlength>

<object>

<name>head</name>

<bndbox>

<xmin>38</xmin>

<ymin>1</ymin>

<xmax>58</xmax>

<ymax>26</ymax>

</bndbox>

</object>

<object>

<name>top</name>

<category>3</category>

<color>8</color>

<bndbox>

<xmin>17</xmin>

<ymin>23</ymin>

<xmax>71</xmax>

<ymax>106</ymax>

</bndbox>

</object>

<object>

<name>down</name>

<category>0</category>

<color>0</color>

<bndbox>

<xmin>30</xmin>

<ymin>105</ymin>

<xmax>57</xmax>

<ymax>121</ymax>

</bndbox>

</object>

<object>

<name>shoes</name>

<category>3</category>

<color>7</color>

<bndbox>

<xmin>29</xmin>

<ymin>122</ymin>

<xmax>42</xmax>

<ymax>168</ymax>

</bndbox>

</object>

<object>

<name>shoes</name>

<category>3</category>

<color>7</color>

<bndbox>

<xmin>43</xmin>

<ymin>122</ymin>

<xmax>57</xmax>

<ymax>168</ymax>

</bndbox>

</object>

<object>

<name>bag</name>

<category>0</category>

<color>7</color>

<bndbox>

<xmin>9</xmin>

<ymin>55</ymin>

<xmax>27</xmax>

<ymax>84</ymax>

</bndbox>

</object>

</annotation>
 
-------------------------------------------这个是没有背包的情况下：此时在object标签下面没有bag这个label----------------------
<?xmlversion="1.0" ?>

<annotation>

    <size>

        <width>66</width>

        <height>199</height>

        <depth>3</depth>

    </size>

    <gender>1</gender>

    <hairlength>0</hairlength>

    <object>

4000

        <name>head</name>

        <bndbox>

           <xmin>23</xmin>

           <ymin>2</ymin>

           <xmax>50</xmax>

           <ymax>34</ymax>

        </bndbox>

    </object>

    <object>

        <name>top</name>

        <category>2</category>

        <color>2</color>

        <bndbox>

           <xmin>1</xmin>

           <ymin>35</ymin>

           <xmax>63</xmax>

           <ymax>132</ymax>

        </bndbox>

    </object>

    <object>

        <name>down</name>

        <category>0</category>

        <color>0</color>

        <bndbox>

           <xmin>9</xmin>

           <ymin>131</ymin>

           <xmax>39</xmax>

           <ymax>167</ymax>

        </bndbox>

    </object>

    <object>

        <name>shoes</name>

        <category>3</category>

        <color>0</color>

        <bndbox>

           <xmin>26</xmin>

           <ymin>164</ymin>

           <xmax>46</xmax>

           <ymax>195</ymax>

        </bndbox>

    </object>

    <object>

        <name>shoes</name>

        <category>3</category>

        <color>0</color>

        <bndbox>

           <xmin>11</xmin>

           <ymin>174</ymin>

           <xmax>28</xmax>

           <ymax>193</ymax>

        </bndbox>

    </object>

</annotation>
Q1:
遇到的第一个难题就是：如何解析<gender>以及<hairlength>，
多亏了https://zhidao.baidu.com/question/523477874624497285.html
利用findall方法，将gender以及hairlength属性名来进行解析，pass
Q2:如何解析根节点下面的子节点的内容：
  http://blog.csdn.net/oxiangduinishuo1/article/details/51864503这个主要是教理论的 http://www.cnblogs.com/hongten/p/hongten_python_xml_etree_elementtree.html，参考这个教程，写出了图片的size，但是有个问题：多个object标签怎么处理
  http://techpool.iteye.com/blog/643667，可以通过if判断标签名字来解决，这个链接给我了灵感  
 
Q3:卡了半天，因为不同的文件，是否背包的属性不同，有的文件没有书包这个属性，因此我直接做了一个obj_name_list，将所有的属性都放到这个list当中了，然后进行判断是否bag这个属性在list当中，如果不在的话，那就像读取第二个xml文件那样了
-----------------------------最后贴一下代码-----------------------------------------
# -*- coding: utf-8 -*-
__author__ = 'xuy'
 
from lxml
import etree
 
 
gender_list=['male','female']
hair_list=['long','short','other']
top_list=['T-shirt','skirt','waitao','rurongfu','xifu','other']#上衣
down_list=['changku','duanku','changqun','duanqun','other']
shoes_list=['pixie','yundongxie','liangxie','xuezi','other']
bag_list=['danjianbao','shuangjianbao','shoulaxiang','qianbao','other']
color_list=['black','white','red','yellow','blue','green','purpose','brown','gray','orange','multi_color','other']
 
 
 
 
xml_file=etree.parse('IMG_000009.xml')
 
root_node=xml_file.getroot()
 
def gender_hair_node(type):
    for atype
in root_node.findall(type):
        attr=int(atype.text)
    return attr
 
 
 
 
"""
输出文件的大小
"""
for size_node
in root_node.findall('size'):
   pic_width=int(size_node.find('width').text)
    pic_height=int(size_node.find('height').text)
    pic_depth=int(size_node.find('depth').text)
 
    print "图片大小:%d",pic_width
    print "图片大小:%d",pic_height
    print "图片大小:%d",pic_depth
 
 
"""
输出性别以及头发的长短
"""
gender_arr=gender_list[gender_hair_node('gender')]
hair_arr=hair_list[gender_hair_node('hairlength')]
 
print gender_arr
print hair_arr
#未对与函数进行封装的时候
# for atype_gender in root_node.findall('gender'):
#     gender_attr=gender_list[int(atype_gender.text)]
#     print gender_attr
#
# for atype_hair in root_node.findall('hairlength'):
#    hair_attr=hair_list[int(atype_hair.text)]
#     print hair_attr
 
 
"""
获取head的相关信息,head虽然在object里面，但是没有category以及color的属性，因此单独拿出来
"""
all_object_node=root_node.findall('object')
for obj_node
in all_object_node:
    obj_name=obj_node.find('name').text
    if obj_name=='head':
        head_obj_name=obj_name+'_head'
        for
bndbox_node in obj_node.findall('bndbox'):
            head_xmin=int(bndbox_node.find('xmin').text)
            head_ymin=int(bndbox_node.find('ymin').text)
            head_xmax=int(bndbox_node.find('xmax').text)
            head_ymax=int(bndbox_node.find('ymax').text)
 
print head_xmin
print head_ymin
print head_xmax
print head_ymax
 
print "-----------------------------------------------"
all_object_node=root_node.findall('object')
def object_node(node_name):
   all_object_node=root_node.findall('object')
    for obj_node
in all_object_node:
        obj_name=obj_node.find('name').text#找到了obj_name，根据obj_name来区分属性
 
 
 
 
        if
obj_name==node_name:#如果输入的参数符合obj_name的话，那就直接进入该属性label里面
 
 
 
#---------------------------------------------------------
            category=int(obj_node.find('category').text)
 
 
 
#---------------------------------------------------------
            color=int(obj_node.find('color').text)
 
 
 
#---------------------------------------------------------
 
            for
bndbox_node in obj_node.findall('bndbox'):
                xmin=int(bndbox_node.find('xmin').text)
                ymin=int(bndbox_node.find('ymin').text)
                xmax=int(bndbox_node.find('xmax').text)
                ymax=int(bndbox_node.find('ymax').text)
 
 
    print node_name#更新它的obj的名字
    print
category
    print color
    print xmin
    print ymin
    print xmax
    print ymax
    return node_name,category,color,xmin,ymin,xmax,ymax
#---------------------------------------------------------
 
 
 
 
 
print "-----------------------------------------------"
top_node_name,top_category,top_color,top_xmin,top_ymin,top_xmax,top_ymax=object_node('top')
 
print "-----------------------------------------------"
down_node_name,down_category,down_color,down_xmin,down_ymin,down_xmax,down_ymax=object_node('down')
 
print "-----------------------------------------------"
 
 
 
 
shoes_node_name,shoes_category,shoes_color,shoes_xmin,shoes_ymin,shoes__xmax,shoes_ymax=object_node('shoes')
print "-----------------------------------------------"
 
"""
因为涉及到是否背包，如果不背包的话，xml文件里面没有数据集，因此单独处理
 
"""
 
all_object_node=root_node.findall('object')
has_bag=False
for obj_node
in all_object_node:
    obj_name=obj_node.find('name').text
    obj_name_list=[]
    obj_name_list.append(obj_name)
    if obj_name=='bag':#数据集当中有bag,那么就读取bag当中的像素区域
        has_bag=True
        for bndbox_node
in obj_node.findall('bndbox'):
            bag_xmin=int(bndbox_node.find('xmin').text)
            bag_ymin=int(bndbox_node.find('ymin').text)
            bag_xmax=int(bndbox_node.find('xmax').text)
            bag_ymax=int(bndbox_node.find('ymax').text)
    if 'bag'
not in obj_name_list:
 
        bag_xmin=None
        bag_ymin=None
        bag_xmax=None
        bag_ymax=None
print '是否背包:',has_bag
print bag_xmin
print bag_ymin
print bag_xmax
print bag_ymax

总结：应该再看一下etree的官方文档，基本上是第二次写xml解析了，还不是特别熟练，以后应该多加练习