工具代码

#解决的问题为：更改VOC标注数据xml文件信息

参考：

【python】删掉文件头＜?xml version="1.0" encoding="utf-8"?＞_聿默的博客-CSDN博客

Python批量更改xml文件属性_小飞侠的博客-CSDN博客

Python实现ANSI文件转UTF-8 - Hello_2018 - 博客园 (cnblogs.com)

 

出现的问题：

打开xml文件：This page contains the following errors: error on line 4 at column 8: Encoding error

读取xml文件：python3 UnicodeEncodeError: 'gbk' codec can't encode character '\xXX' in position XX

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59

# coding=utf-8     # 数据处理 import codecs import os import xml.dom.minidom from xml.dom.minidom import Document, parse         class data_process(Document):     def __init__(self):         super(data_process, self).__init__()         pass         # 准备重写方法，但是没实现，就放着吧     def writexml(self, writer, indent="", addindent="", newl="", encoding=None):         if encoding is None:             # writer.write('<?xml version="1.0" ?>'+newl)  原先代码             writer.write(newl)         else:             writer.write('<?xml version="1.0" encoding="%s"?>%s' % (                 encoding, newl))         for node in self.childNodes:             node.writexml(writer, indent, addindent, newl)         def chang_xml(self, path="./change_annotations"):  # 标注文件夹地址         files = os.listdir(path)  # 得到文件夹下所有文件名称         for xmlFile in files:  # 遍历文件夹             if not os.path.isdir(xmlFile):  # 判断是否是文件夹,不是文件夹才打开                 # TODO                 # 将获取的xml文件名送入到dom解析                 dom = xml.dom.minidom.parse(os.path.join(path, xmlFile))  # 拼接文件路径                 root = dom.documentElement                 # 获取标签对name/pose之间的值                 name = root.getElementsByTagName('name')  # name是xml文件中的<name>标签                     for i in range(len(name)):                     print(name[i].firstChild.data)                     if name[i].firstChild.data == "STD":                         name[i].firstChild.data = 'standing'  # 更改标签内容                 with open(os.path.join(path, xmlFile), 'w') as fh:                     dom.writexml(fh)                     # 重新写入，但是会存在将<?xml version="1.0" ?>写入文件中，导致文件不可用，可以直接minidom.py中删除                     # 寻找minidom.py,  按着ctrl，鼠标左键单机writexml(fh)函数，之后搜索<?xml version="1.0" ?>，边找到了，write，然后删除<?xml version="1.0" ?>                     # 此外，如果xml文件中存在中文，则dom.writexml(fh, encoding="utf-8")不能用，如果没有中文，那么尽量加上encoding="utf-8"，否则可能编码问题导致文件错误         # 那么下面就更改文件的编码方式,ANSI文件转UTF-8     def ANSI_to_UTF_8(self, path="./change_annotations"):  # 注释文件所在目录, xml注释文件文件夹         files = os.listdir(path)  # xml文件         for file in files:             file_name = os.path.join(path, file)             f = codecs.open(file_name, 'r', 'ansi')             ff = f.read()             file_object = codecs.open(file_name, 'w', 'utf-8')             file_object.write(ff)         data_process().chang_xml(path="./change_annotations") data_process().ANSI_to_UTF_8(path="./change_annotations")