python3读取xml文件中的内容，计算、处理后生成新的xml文件

因为目前的开源数据集ImageNet、VOC2007+2012等都是将图片的标签文件保存在xml文件中的的，所以目前主流的一些深度学习算法如SSD、Faster-RCNN等在训练的过程中都涉及到将数据处理为VOC格式的步骤。

xml文件由一个根元素和多个子元素构成，这些子元素都嵌套在根元素中，而子元素又可以嵌套在另一个子元素下，看图说话更清晰：

我在用自己的数据训练SSD-Tensorflow的时候涉及了一些对标签的一些运算，所以需要读取xml中的一些属性值，然后自动生成新的xml文件，在网上看了挺多资料，最后成功解决问题，但是发现网上的大神们多半直接上代码，我这种小白看得挺痛苦，许多函数和操作都需要再百度一下才看懂，后面觉得应该记录一下，说不定有人跟我一样需要，也防止自己以后用到~

#!/usr/bin/env python
# coding:utf-8

#在使用这段代码之前需要自行下载lxml.etree和xml模块
#我用的anaconda，所以直接“conda install lxml.etree，xml”
from lxml.etree import Element, SubElement, tostring
from xml.dom.minidom import parseString
import os
import xml.etree.ElementTree as ET  #导入xml模块

'''
该部分内容为读取已存在的xml文件，并根据需要读取相应的属性
我需要读取的是xmin、xmax、ymin、ymax和name
'''
#将构建好的xml内容写入相应的.xml文件中
def write_to_xml(path, xml):
	savingtxtmsg = open(path, 'wb')
	savingtxtmsg.write(xml)
	savingtxtmsg.close()
	
#批量读取xml文件，并提取出其中的name, xmin, xmax, ymin, ymax
file_path = '/Your/existed/xml/file'  #需要读取的xml文件所在的文件夹
save_path = '/The/path/you/are/going/to/save'  #将要保存xml的文件夹
files = os.listdir(file_path) #列举出文件夹中的所有文件

for item in files: #循环
	if item.endswith('.xml'): #只对文件夹中的xml文件进行操作
		path = os.path.join(file_path, item)  #拼接文件路径
		save_xml =os.path.join(save_path,str(int(item[:-4])+1) + '.xml')  #拼接文件路径

		tree = ET.parse(path)  #分析指定的xml文件
		root = tree.getroot()  #获取根元素
		
		#创建用于存储xmin、xmax、ymin、ymax和name的五个空数组
		xmin_g = []
		xmax_g = []
		ymin_g = []
		ymax_g = []
		name_g = []

		for ob in root.iter('object'): #寻找根元素下的一级子元素object，如有多个object则对每一个object进行一次以下操作
			for name in ob.iter('name'): #寻找object下的属性name
				name = name.text  #获取属性name的值并将其存储到数组name_g中
				name_g.append(name)

			for bndbox in ob.iter('bndbox'): #寻找子元素object下的二级子元素bndbox
				#获取bndbox下的属性xmin、xmax、ymin和ymax的值并存入相应的数组
				for xmin in bndbox.iter('xmin'):
					x1 = xmin.text
				for ymin in bndbox.iter('ymin'):
					y1 = ymin.text
				for xmax in bndbox.iter('xmax'):
					x2 = xmax.text
				for ymax in bndbox.iter('ymax'):
					y2 = ymax.text

				xmin_g.append(x1)
				ymin_g.append(y1)
				xmax_g.append(x2)
				ymax_g.append(y2)

	i = len(xmin_g)  #获取数组中保存的属性值个数，用于后面新建xml用


'''
此部分为生成新的xml文件的实现代码，因为我只需要修改xmin、xmax、ymin、ymax和name
的属性值，其他属性值都是固定的，所以采用直接赋值的方式，不过也可根据需要自行更改，
自动添加属性值的方式与xmin等属性值的添加方式类似。
'''
	#根据获得的数据生成新的xml文件
	node_root = Element('annotation') #新建根元素

	node_folder = SubElement(node_root, 'folder') #新建根元素的属性folder
	node_folder.text = 'KITTI' #为根元素的属性赋值

	node_filename = SubElement(node_root, 'filename')
	node_filename.text = '000001.jpg'

	node_source = SubElement(node_root, 'source') #新建子元素source
	node_database = SubElement(node_source, 'database') #为子元素source新建属性database
	#注意观察，在谁下面新建子元素，SubElement（a，'value'）中的a就是谁
	node_database.text = 'Unknown'

	node_size = SubElement(node_root, 'size') #在
	node_width = SubElement(node_size, 'width')
	node_width.text = '720'

	node_height = SubElement(node_size, 'height')
	node_height.text = '480'

	node_depth = SubElement(node_size, 'depth')
	node_depth.text = '3'

	node_segmented = SubElement(node_root, 'segmented')
	node_segmented.text = '0'

	c = 0
	while c < i: #用循环的方式新建多个子元素object
		node_object = SubElement(node_root, 'object')
		node_name = SubElement(node_object, 'name')
		node_name.text = name_g[c]#赋值必须是字符串格式

		node_pose = SubElement(node_object, 'pose')
		node_pose.text = 'Unspecified'
		node_truncated = SubElement(node_object, 'truncated')
		node_truncated.text = '0'

		node_difficult = SubElement(node_object, 'difficult')
		node_difficult.text = '0'
		node_bndbox = SubElement(node_object, 'bndbox')
		node_xmin = SubElement(node_bndbox, 'xmin')
		node_xmin.text = str(int(xmin_g[c])-1)
		node_ymin = SubElement(node_bndbox, 'ymin')
		node_ymin.text = str(ymin_g[c])
		node_xmax = SubElement(node_bndbox, 'xmax')
		node_xmax.text = str(int(xmax_g[c])-1)
		node_ymax = SubElement(node_bndbox, 'ymax')
		node_ymax.text = str(ymax_g[c])

		c += 1
	xml = tostring(node_root, pretty_print=True)  #格式化显示，该换行的换行
	dom = parseString(xml)


	#将生成的数据保存到一个xml文件中
	write_to_xml(save_xml, xml)