【XML文件数据预处理】获取xml文件中所有标签名称及数量||提取某个特定标签的数量||生成包含某个标签的图片索引txt并复制图片到指定文件夹

目录

1.获取xml文件中所有标签名称及数量

2.提取某个特定标签的数量

3.生成包含某个标签的图片索引txt并复制图片到指定文件夹

---

1.获取xml文件中所有标签名称及数量

【需求】自己标注的数据集，想要看看有多少个标签，并且想知道每一个标签的数量，又或者是需在标注完成后需要对标注好的XML文件校验，比如看看标签名有没有写错，都有啥标签名。

代码如下，只需将【indir】字段换成自己需要统计的xml的文件夹，随后运行即可~~~

import os
from unicodedata import name
import xml.etree.ElementTree as ET
import glob
 
def count_num(indir):
    # 提取xml文件列表
    os.chdir(indir)
    annotations = os.listdir('.')
    annotations = glob.glob(str(annotations) + '*.xml')
 
    dict = {}  # 新建字典，用于存放各类标签名及其对应的数目
    for i, file in enumerate(annotations):  # 遍历xml文件
 
        # actual parsing
        in_file = open(file, encoding='utf-8')
        tree = ET.parse(in_file)
        root = tree.getroot()
 
        # 遍历文件的所有标签
        for obj in root.iter('object'):
            name = obj.find('name').text
            if (name in dict.keys()):
                dict[name] += 1  # 如果标签不是第一次出现，则+1
            else:
                dict[name] = 1  # 如果标签是第一次出现，则将该标签名对应的value初始化为1
 
    KeyDict = sorted(dict)
 
    # 打印结果
    print("%d kind labels and %d labels in total" % (len(KeyDict), sum(dict.values())))
    print('labels:',KeyDict)
    print('\n')
    print("Label Name and it's number//各类标签的数量分别为:")
    for key in dict.keys():
        print(key + ': ' + str(dict[key]))
    print("\n总标签数目:{}个".format(sum(dict.values())))
    print('\t')
    print('检索完成！')
 
 
indir = '/data_1T/xd1/VOCdevkit/VOC2012/Annotations/'  # xml文件所在的目录
 
count_num(indir)  # 调用函数用来统计各类标签数目
 

2.提取某个特定标签数量

【需求】自己标注的数据集，想要看看某个标签有多少个，又或者是需在标注完成后需要对标注好的XML文件校验。

代码如下，需将下面几个字段进行修改，随后运行即可~~~

【test_dir】【train_dir】【trainval_dir】【xml_dir】【label】

# -- coding: utf-8 --
 
import pickle
import os
import glob
from os import listdir, getcwd
from os.path import join
import xml.etree.ElementTree as ET  # 导入xml模块
 
 
test_dir = '/data_1T/xd1/VOCdevkit/VOC2012/ImageSets/Main/test.txt'         #修改读取的test_dir文件路径
train_dir = '/data_1T/xd1/VOCdevkit/VOC2012/ImageSets/Main/train.txt'       #修改读取的train_dir文件路径
trainval_dir = '/data_1T/xd1/VOCdevkit/VOC2012/ImageSets/Main/trainval.txt' #修改读取的trainval_dir文件路径
 
xml_dir = '/data_1T/xd1/VOCdevkit/VOC2012/Annotations/'  # 修改保存xml文件的路径
 
read_xmlfile = trainval_dir   #修改读取的xml文件索引路径
 
xml_index = open(read_xmlfile).readlines()
print('【{}】中XML文件的数量为'.format(read_xmlfile),len(xml_index),'个')  # 计算测试集的xml文件的数量
 
label  = 'metal'     #修改检索指定标签的名字
nums = 0
c = 0
for i in range(len(xml_index)):
    index = xml_index[i].strip('\n')  # 截取xml文件名
    # print(xml_dir+index+'.xml')
    xml_file = open(xml_dir + index + '.xml', encoding="utf-8")
    xml = ET.parse(xml_file)
 
    for name in xml.iter('object'):
        nums = nums + 1
        if name.find("name").text == label:  # 按标注的标签名进行统计
            c = c + 1
            xml_file.close()
 
 
print('标签为',label,'的个数:', c)
print('\t')
print('检索完成！')
 

3.生成包含某个标签的图片索引txt并复制图片到指定文件夹

【需求】经过上述步骤，发现自己标注的数据集有个标签是标注错的，想自己看下是那个文件的错误，又或者自己想把它删除，下面代码可以解决！！！

代码如下，需将下面几个字段进行修改，随后运行即可~~~

【test_dir】【train_dir】【trainval_dir】【xml_dir】【label】

# -- coding: utf-8 --
 
import xml.etree.ElementTree as ET  # 导入xml模块
import os
 
 
test_dir = '/data_1T/xd1/VOCdevkit/VOC2012/ImageSets/Main/test.txt'  # 修改读取的test_dir文件路径
train_dir = '/data_1T/xd1/VOCdevkit/VOC2012/ImageSets/Main/train.txt'  # 修改读取的train_dir文件路径
trainval_dir = '/data_1T/xd1/VOCdevkit/VOC2012/ImageSets/Main/trainval.txt'  # 修改读取的trainval_dir文件路径
 
xml_dir = '/data_1T/xd1/VOCdevkit/VOC2012/Annotations/'  # 修改保存xml文件的路径
 
read_xmlfile = trainval_dir  # 修改读取的xml文件索引路径
 
xml_index = open(read_xmlfile).readlines()
 
save_file = "./"          # 保存包含指定标签的图片的索引文件txt
if not os.path.exists(save_file):
    os.makedirs(save_file)
 
label  = 'd'     #修改检索指定标签的名字
 
fsave = open(save_file + "/label【{}】_imgpath.txt".format(label), "w", encoding="utf-8")\
 
 
for i in range(len(xml_index)):
    index = xml_index[i].strip('\n')  # 截取xml文件名
    # print(xml_dir+index+'.xml')
    xml_file = open(xml_dir + index + '.xml', encoding="utf-8")
    xml = ET.parse(xml_file)
    for path in xml.iter('annotation'):
        for name in path.iter('object'):
            if name.find("name").text == label:
                img_path = path.find('path').text.split("\\")[-1]
                fsave.write(img_path + '\n')
 
 
print("开始生成包括label为【{}】的图片索引文件!".format(label))
print("生成结束//extract label success!")

 生成的指定标签图片索引txt为：

【需求】那么，找到文件是什么，怎么把这些图片提取出来呢？

下面代码帮你解决！

代码如下，需将下面几个字段进行修改，随后运行即可复制图片到指定文件夹~~~

【path】【save_img_path】【read_label_file】

# -- coding: utf-8 --
import os, shutil
 
 
path = '/data_1T/xd1/VOCdevkit/VOC2012//JPEGImages/'     #原数据集图片文件夹
img_path = os.listdir(path)
 
 
save_img_path = './mail_box_img/'      #存放提取出来的图片文件夹
if not os.path.exists(save_img_path):
    os.makedirs(save_img_path)
 
read_label_file = './label【d】_imgpath.txt'    #上一步生成的包含指定标签的txt索引文档
 
f = open(read_label_file, "r")
while True:
    line = f.readline()
    for img in img_path:
        if img.split('.')[0] == line.split('.')[0]:
            print('包含指定label的图片为：',img)
            shutil.copy(path + img, save_img_path + img)
    if not line:
        break
 

 

 

 

生成的图片文件夹为:

  

好了，大功告成，完结撒花！

欢迎关注、点赞、收藏、评论、分享给好友，一起学习有趣的新知识！！！