python 将xml文件转换成csv文件

前言

这种应用好像比较冷门哈哈，整体需求是有xml文件，如下所示：

<annotation>
	<folder>标注前</folder>
	<filename>1080.jpg</filename>
	<path>x\1080.jpg</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>
		<width>720</width>
		<height>480</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>person</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>394</xmin>
			<ymin>91</ymin>
			<xmax>516</xmax>
			<ymax>311</ymax>
		</bndbox>
	</object>
</annotation>

获取这个文件中filename、xmin、ymin、xmax和ymax标签中的值，并将这些值成为表格的样式，如下所示：

转换代码

import os
import pandas as pd  # 存储为csv文件的库
import xml.dom.minidom  # 读取xml文件的库
import numpy as np

class xml2csv:
    def __init__(self, raw_data_dir):
        self.csv_date = pd.DataFrame(columns=['frame', 'xmin', 'ymin', 'xmax', 'ymax'])
        self.raw_data_dir = raw_data_dir
        self.arr_data = np.zeros((1, 5))

    def convert(self):
        xml_data = os.listdir(self.raw_data_dir)
        xml_data = sorted(xml_data, key=lambda x: next((int(num), text) for num, text in [x.split('.')]))  # 我需要按顺序存储，所以进行排序

        for one_file in tqdm(xml_data):
            # 读取xml文件
            dom = xml.dom.minidom.parse(os.path.join(self.raw_data_dir, one_file))
            element = dom.documentElement

            filename = element.getElementsByTagName('filename')[0]
            xmin = element.getElementsByTagName('xmin')[0]
            ymin = element.getElementsByTagName('ymin')[0]
            xmax = element.getElementsByTagName('xmax')[0]
            ymax = element.getElementsByTagName('ymax')[0]

            # 将文件中所需要的值添加到DataFrame中
            self.arr_data[0][0] = filename.childNodes[0].data.split('.')[0]
            self.arr_data[0][1] = xmin.childNodes[0].data
            self.arr_data[0][2] = ymin.childNodes[0].data
            self.arr_data[0][3] = xmax.childNodes[0].data
            self.arr_data[0][4] = ymax.childNodes[0].data
            # 追加方式填充上数据
            one_row_data = pd.DataFrame(self.arr_data, columns=['frame', 'xmin', 'ymin', 'xmax', 'ymax'])
            self.csv_date = pd.concat([self.csv_date, one_row_data], ignore_index=True)

    def save_date(self, save_dir):
        self.csv_date.to_csv(os.path.join(save_dir, 'annotation_data.csv'), index=False)  # index=False不显示行名


if __name__ == '__main__':
    # 读取源文件
    xc = xml2csv(r'../Annotations/')  # 写入xml文件的路径
    # 进行转化
    xc.convert()
    # 存储文件
    xc.save_data(r'.')  # 用于存储的路径

运行效果

源文件

目标格式

版本记录

20230321：

1. 将xml_data.sort() 改写为xml_data = sorted(xml_data, key=lambda x: next((int(num), text) for num, text in [x.split('.')]))
   说明：在原来的脚本中，不能有效对文件进行排序，比如"101.xml"和"23.xml"，"23.xml"会排在"101.xml"的后面，原因可能为对字符串排序方法根据ascii码，而实际需要根据文件的数字排序，参考博文Python 使用Lambda对list(列表)中指定格式字符串元素排序方法，目前掌握了lambda匿名函数，但对于代码中的next()还不是很理解。
2. append改成了concat，不会再有警告
3. 设置了tqdm进度条

参考链接

Python读取XML文件内容