Question

还在学习python。我目前正在研究一个python代码，它将从图像中提取元数据（用户自制的关键字）。我已经尝试了Pillow AND exif，但这不包括用户制作的标签或关键字。使用applist，我成功地设法提取包含我的关键字的图元文件，但是当我尝试用ElementTree解包它以提取感兴趣的部分时，我只获得空数据。

我的xml文件看起来像这样（经过一些操作）：

<x:xmpmeta xmlns:x="adobe:ns:meta/" x:xmptk="XMP Core 4.4.0">
   <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">
      <rdf:Description rdf:about=""
            xmlns:dc="http://purl.org/dc/elements/1.1/">
         <dc:description>
            <rdf:Seq>
               <rdf:li xml:lang="x-default">South Carolina, Olivyana, Kumasi</rdf:li>
            </rdf:Seq>
         </dc:description>
         <dc:subject>
            <rdf:Bag>
               <rdf:li>Kumasi</rdf:li>
               <rdf:li>Summer 2016</rdf:li>
               <rdf:li>Charlestone</rdf:li>
               <rdf:li>SC</rdf:li>
               <rdf:li>Beach</rdf:li>
               <rdf:li>Olivjana</rdf:li>
            </rdf:Bag>
         </dc:subject>
         <dc:title>
            <rdf:Seq>
               <rdf:li xml:lang="x-default">P1050365</rdf:li>
            </rdf:Seq>
         </dc:title>
      </rdf:Description>
      <rdf:Description rdf:about=""
            xmlns:aux="http://ns.adobe.com/exif/1.0/aux/">
         <aux:SerialNumber>F360908190331</aux:SerialNumber>
      </rdf:Description>
   </rdf:RDF>
</x:xmpmeta>

我的代码如下所示：

import xml.etree.ElementTree as ET
from PIL import Image, ExifTags
with Image.open("myfile.jpg") as im:
    for segment, content in im.applist:
        marker, body = content.split(b'\x00', 1)
        if segment == 'APP1' and marker == b'http://ns.adobe.com/xap/1.0/':
            data = body.decode('"utf-8"')
print (data)

此时无法将此传递给解析器，因为返回错误的空行：

tree = ET.parse(data)

ValueError: embedded null byte

所以在删除之后我将数据保存在xml文件中（上面的xml数据）并传递给解析器，但没有获取数据：

tree = ET.parse('mytags.xml')
tags = tree.findall('xmpmeta/RDF/Description/subject/Bags')
print (type(tags))
print (len(tags))

<class 'list'>
0

有趣的是，我使用了xml文件形式的标签（即'x：xmpmeta':)，我收到以下错误：

SyntaxError: prefix 'x' not found in prefix map

感谢您的帮助。

的Fabio

Answer 1

只关注XML解析而不是PIL元数据工作，问题就在于三个问题：

使用findall时，您需要定义名称空间前缀，您可以使用名称空间 arg。然后你的xpath必须包含前缀。
使用findall时，请不要包含根，因为它是起点，但是从子节点开始。
没有带有复数的 Bags 本地名称，但只有 Bag ，其长度为1。如果你想要它的孩子，那就更深一层了。

考虑调整后的脚本：

import xml.etree.ElementTree as ET

tree = ET.parse('mytags.xml')

nmspdict = {'x':'adobe:ns:meta/',            
            'rdf': 'http://www.w3.org/1999/02/22-rdf-syntax-ns#',
            'dc': 'http://purl.org/dc/elements/1.1/'}

tags = tree.findall('rdf:RDF/rdf:Description/dc:subject/rdf:Bag/rdf:li',
                    namespaces = nmspdict)

print (type(tags))
print (len(tags))

# <class 'list'>
# 6

for i in tags:
    print(i.text)
# Kumasi
# Summer 2016
# Charlestone
# SC
# Beach
# Olivjana

使用python

1 个答案: