lxml读取VOC_2012标注数据

前言：

看了好多博文都是很早的代码，用的还是python2下的xml模块，但是博主使用的是python3，import mxl.domin会报错，显示python3下没有domin模块，因此是用不了他们的方法。所以博主使用lxml模块，模块下载地址： lxml下载地址。

安装lxml：

博主使用的是windows10平台下的anaconda python3.6.5，点击下载好后，打开anaconda prompt输入：

pip install 文件名

进行安装。 

正文：

VOC_2012标注数据xml如下：

	VOC2012
	2007_000027.jpg
	
		The VOC2007 Database
		PASCAL VOC2007
		flickr
	
	
		486
		500
		3
	
	0
	

标注数据的文件结构如下所示： 

 

 由于数据量还是比较大的，将函数写为生成器

VOC2012_Enum = enum.Enum("VOC2012_Enum", ("person", "bird", "cat", "cow", "dog", "horse", "sheep",
                                          "aeroplane", "bicycle", "boat", "bus", "car", "motorbike",
                                          "train", "bottle", "chair", "diningtable", "pottedplant",
                                          "sofa", "tvmonitor"))  # python下的枚举

def load_xml(xml_path):
    data_list = []
    tree_root = etree.parse(xml_path)
    data_list.append(tree_root.find("filename").text)
    for object in tree_root.iterfind("//object"):
        obj_class = VOC2012_Enum[object.find("name").text].value
        data_list.append(obj_class)
        iter = object.getiterator(tag="bndbox")
        iter_list = (i for i in iter)
        bbox_list = []
        for bbox in iter_list.__next__().getchildren():
            bbox_list.append(round(float(bbox.text), 2))
        data_list.append(bbox_list)
    return data_list

输出数据格式：

['2007_000323.jpg', 1, [277, 3, 500, 375], 1, [12, 3, 305, 375]]
对应格式：
[图片文件名，bbox1类别对应标号，[bbox1对角坐标]，bbox2类别对应标号，[bbox2对角坐标]]

修改：

之前没有充分分析标注数据，错误的以为标注数据的坐标全是顺序排列的，但实际上并不是xmin，xmax，ymin，ymax是打乱顺序出现的，所以上述代码结果就不对了修正代码为：

def load_xml(xml_path):
    data_list = []
    tree_root = etree.parse(xml_path)
    data_list.append(tree_root.find("filename").text)
    class_list = []
    coord_list = []
    for object in tree_root.findall("object"):
        obj_class = VOC2012_Enum[object.find("name").text].value
        class_list.append(obj_class)
        bbox = object.find("bndbox")
        bbox_list = []
        bbox_list.append(int(round(float(bbox.find("xmin").text), 2)))
        bbox_list.append(int(round(float(bbox.find("ymin").text), 2)))
        bbox_list.append(int(round(float(bbox.find("xmax").text), 2)))
        bbox_list.append(int(round(float(bbox.find("ymax").text), 2)))
        coord_list.append(bbox_list)
    data_list.append(class_list)
    data_list.append(coord_list)
    return data_list

输出格式为：

['2007_000323.jpg', [1,2], [[277, 3, 500, 375], [12, 3, 305, 375]]]
[图片文件名，[bbox1类别对应标号，bbox2类别对应标号], [[bbox1对角坐标], [bbox2对角坐标]]]