ElementTree package parses xml files

The annotations of many datasets in deep learning are saved in xml format.
This article takes the annotation files of the VOC2012 dataset as an example to explore the use of the package ElementTree
. But you can use this class to parse the xml annotation file of the data set, I didn't study it in depth)

xml file format

<root>  # 最开始的标签叫做根标签，根标签的名字是root
    <part>  # 子标签，子标签名字为part，可以重复
        <name>123</name>  # 子标签中的元素
        <age>20</age>
        <sex>男</sex>
    </part>
    <part>
        <name>456</name>
        <age>40</age>
        <sex>男</sex>
    </part>
</root>

Introduction to ElementTree

The general way to reference the package is: import xml.etree.ElementTree as ET

class ElementTree:
    """
    ElementTree类是专门解析xml的一个类，在xml.etree.ElementTree包中
    """
    def __init__(self, element=None, file=None):
    	"""
    	element:指的是xml文件的根节点
    	file:指的是已经使用open打开的一个文件对象
    	"""
    def getroot(self):
        """
        返回树的根节点
        """
    def _setroot(self, element):
        """
        替换根节点
        """
    def parse(self, source, parser=None):
        """
        加载xml文件，解析文件
        source:是open打开的xml文件的对象
        parser:是是用什么方式解析xml文件
        return:返回值是xml文件的根节点
        """

    def iter(self, tag=None):
        """
        创建并返回根标签下所有的元素的迭代器
        tag:字符串，指的是根标签下的元素的子标签名称，如果不指定，就返回所有的子标签，如果指定只返回该名称的子节点
        """

    # compatibility
    def getiterator(self, tag=None):
        """
		这个方法已经弃用了，使用上面的iter替代
		"""
        warnings.warn(
            "This method will be removed in future versions.  "
            "Use 'tree.iter()' or 'list(tree.iter())' instead.",
            PendingDeprecationWarning, stacklevel=2
        )
        return list(self.iter(tag))

    def find(self, path, namespaces=None):
        """
        查找名为path标签的内容
        path:要查找的标签名字
        """
    def findtext(self, path, default=None, namespaces=None):
        """
		根据标记名称或路径找到第一个匹配的元素
		path:查找的子标签的名称
		namespace:命名空间
		返回值是要查找的标签的内容，不存在时返回None
        """
    def findall(self, path, namespaces=None):
        """
		查找所有名为path的子标签的内容
		path:标签的名称
		namespace:命名空间
		返回值是一个list，包含所有的名称为path的子标签的内容
        """
    def iterfind(self, path, namespaces=None):
        """
        根据标记名称找到所有的名为path的子标签的内容，返回值是一个迭代器
        path:
        namespace:
        返回值是一个迭代器
        """       
    def write(self, file_or_filename,
              encoding=None,
              xml_declaration=None,
              default_namespace=None,
              method=None, *,
              short_empty_elements=True):

code example

The xml annotation file of the VOC dataset

import xml.etree.ElementTree as ET

PATH = r"E:\pycharm\pytorch_object_detection\my_test\2007_000027.xml"

# xml文件解析，返回根节点：root = 'annotation'
root = ET.ElementTree().parse(open(PATH, 'r', encoding="utf-8"))

for obj in root.iter('object'):  # 在root标签下找到所有的名为object的标签，并返回她们的迭代器
    print(obj.find('name').text)  # 查看obj标签下的子标签name的内容
    box = obj.find('bndbox')  # 查找object标签下子标签bnbox的元素，并打印其中的子标签的text
    print(box.find('xmin').text, box.find('ymin').text, box.find('xmax').text, box.find('ymax').text)
    print("====================================================================================")
    for part in obj.findall('part'):  # 将所有的名为part的子标签返回到一个列表中，并获取其中的内容
        print(part.find('name').text)
        print(part.find('bndbox').findtext('xmin'),  # findtext返回查找到的第一个名为xmin的标签的内容
              part.find('bndbox').findtext('ymin'),
              part.find('bndbox').findtext('xmax'),
              part.find('bndbox').findtext('ymax'))