python 处理xml文件

程序员文章站 2022-03-03 18:50:31

XML可扩展标记语言（eXtensible Markup Language），被设计用来传输和存储数据。 Tove Jani Reminder Don't forget me this weekend!...

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 )

参考：CSDN博客 - - python xml 格式的数据集标注文件解析

本文地址：https://blog.csdn.net/xinming_365/article/details/109039354

python 处理xml文件

语法结构

python对xml文件解析

1.SAX (simple API for XML )

2.DOM(Document Object Model)

3.ElementTree(元素树)

ET模块解析xml文件

python读写LMDB文件的方法

Python实现简单的文件传输与MySQL备份的脚本分享

python实现requests发送/上传多个文件的示例

python3写的简单本地文件上传服务器实例

利用Python实现在同一网络中的本地文件共享方法

利用python库在局域网内传输文件的方法

python验证码识别教程之灰度处理、二值化、降噪与tesserocr识别

Python的Django框架中的表单处理示例

批处理批量注册DLL文件

python 实现查找文件并输出满足某一条件的数据项方法