[筆記][Python] XML檔案讀寫(ElementTree and Minidom)

目前用Pascal VOC的格式來存取我的資料，所以python讀寫XML檔就變成是重要的一環，以下紀錄是XML檔的讀寫，也方便自己複習，不用每次都還要問google先生。
以下皆使用ElementTree與Minidom這兩個XML的Python API

• Import ElementTree
  用cElementTree會比較快因為它是C語言寫的，可以直接使用硬體，下面的import方式就是主要import cElementTree，若沒有C語言base的，才改用python base的套件
  

  try:
      import xml.etree.cElementTree as ET
  except ImportError:
      import xml.etree.ElementTree as ET

• 讀取檔案與解析node
  ElementTree讀取檔案的方式也很簡單，只要在建立ElementTree物件的時候給他XML檔案位置即可
  

  file_name = 'path_to_file'
  tree = ET.ElementTree(file=file_name)

  
  至於為什麼物件的命名是用tree呢?這是因為XML的格式就好像一棵樹一樣，由一個跟節點延伸出分支，然後各分支又可延伸出更多分支
  以PascalVOC為例
  
  root
          |--folder
          |--filename
          |--source
                 |--database
                 |--annotation
                 |--image
                 |--flickrid
          |--owner
                 |--flickrid
                 |--name
          |--size
                 |--width
                 |--height
                 |--depth
          |--segmented
          |--object
                 |--name
                 |--pose
                 |--truncated
                 |--difficult
                 |--bndbox
                         |--xmin
                         |--ymin
                         |--xmax
                         |--ymax
          |--object
          ...
  有了xml tree物件之後，便可以開始讀取裡面的node。我自己會用到的為以下3種
  1. 直接遍歷屬於root的節點(不過需要事先知道要找的node在哪一層，才能再更進去找)

  root = tree.getroot()
  for elem in root:
      print(elem.tag, elem.attrib, elem.text)
  

  2. 利用iter()進行節點遍歷
  

  for elem in tree.iter():
      print(elem.tag, elem.attrib, elem.text)
  

  3.利用iter(tag="node_name")針對特定節點遍歷
  

  for elem in tree.iter(tag='bndbox'):
      print(elem.tag, elem.attrib, elem.text)

• 寫入XML檔案
  要製作自己的資料集，寫入xml檔其實是最快的方式，接下來的紀錄是我用xml.dom.minidom來寫檔(VOC格式)
  1. 建立root
  

  import xml.dom.minidom    
  #create empty root
  doc = xml.dom.minidom.Document() 
  #create root node
  root = doc.createElement('annotation')
  doc.appendChild(root)

  2. 建立子節點並幫子節點接上文字節點(text部分視為末端點)
  

  nodeFolder = doc.createElement('folder')
  nodeFolder.appendChild(doc.createTextNode(folder))

  3. 建立將子節點接到根結點或其他子節點上
  

  root.appendChild(nodeFolder)

  4. 開檔以及將建立好的xml tree寫入

  f_n = "file_name.xml"
  fp = open(f_n, 'w')
  doc.writexml(fp, indent='\t', addindent='\t', newl='\n',
                                          encoding="utf-8")

  
  到這邊就完成了
  不過要注意的一點是節點順序，建立的順序錯誤，檔案的節點順序就會錯誤

以上就是有關於xml讀寫方式的小小記錄，不過我覺得寫入的方式有點冗長，或許用ElemntTree可以更快也更統一，之後有空會來研究看看。



參考資料:
https://pycoders-weekly-chinese.readthedocs.io/en/latest/issue6/processing-xml-in-python-with-element-tree.html

https://docs.python.org/2/library/xml.etree.elementtree.html

http://note.qidong.name/2017/11/write-xml-with-minidom/

https://docs.python.org/2/library/xml.dom.minidom.html