Question

我正在努力解决以下案件。我使用以下格式的XML文件：

<event>
  <attribute type="NAME">John</attribute>
  <attribute type="TASK">Buy</attribute>
  <attribute type="DATE">12052017</attribute>
</event>
<event>
  <attribute type="NAME">John</attribute>
  <attribute type="RESOURCE">Dollar</attribute>
  <attribute type="DATE">13052017</attribute>
</event>

我需要将其转换为CSV文件。结果应该是：

John,Buy,,12052017
John,,Dollar,13052017

我使用我为Notepad ++编写的一个小Python脚本来搜索和删除不应该在字符串中的所有内容。例如：

editor.rereplace('\r\n  <attribute type="NAME">', '');

这样做很好，但它会弄乱属性序列（因为如果它没有找到<attribute type="TASK">，它就不会增加,。结果就是：

John,Buy,12052017
John,Dollar,13052017

属性TASK和RESOURCE没有区别。

我检查了不同的主题，但没有一个真正涵盖了我的问题。能用一些便宜的技巧帮助我，或者指点我一个工具。

Answer 1

对于我的项目，我使用的是这个python脚本：

import os
import glob
import pandas as pd
import xml.etree.ElementTree as ET


def xml_to_csv(path):
    xml_list = []
    for xml_file in glob.glob(path + '/*.xml'):
        tree = ET.parse(xml_file)
        root = tree.getroot()
        for member in root.findall('object'):
            value = (root.find('filename').text,
                     int(root.find('size')[0].text),
                     int(root.find('size')[1].text),
                     member[0].text,
                     int(member[4][0].text),
                     int(member[4][1].text),
                     int(member[4][2].text),
                     int(member[4][3].text)
                     )
            xml_list.append(value)
    column_name = ['filename', 'width', 'height', 'class', 'xmin', 'ymin', 'xmax', 'ymax']
    xml_df = pd.DataFrame(xml_list, columns=column_name)
    return xml_df


def main():
    for directory in ['train','test']:
        image_path = os.path.join(os.getcwd(), 'images/{}'.format(directory))
        xml_df = xml_to_csv(image_path)
        xml_df.to_csv('data/{}_labels.csv'.format(directory), index=None)
        print('Successfully converted xml to csv.')


main()

将XML文件转换为CSV

1 个答案: