def extract_files(src, dst, pattern, if_exists='replace'):
""" 提取满足pattern模式的文件
"""
d1, d2 = Dir(src), Dir(dst)
files = d1.select(pattern).subs
for f in files:
p1, p2 = File(d1 / f), File(d2 / f)
p1.copy(p2, if_exists=if_exists)
def modify_file(file, func, *, outfile=None, file_mode=None, debug=0):
""" 对单个文件就行优化的功能函数
这样一些底层函数功能可以写成数据级的接口，然后由这个函数负责文件的读写操作，并且支持debug比较前后内容差异
:param outfile: 默认是对file原地操作，如果使用该参数，则将处理后的内容写入outfile文件
:param file_mode: 指定文件读取类型格式，例如'.json'是json文件，读取为字典
:param debug: 这个功能可以对照refine分级轮理解
无outfile参数时，原地操作
0，【直接原地操作】关闭调试，直接运行 （根据outfile=None选择原地操作，或者指定生成新文件）
1，【进行审核】打开BC比较差异，左边原始内容，右边参考内容 （打开前后差异内容对比）
-1，【先斩后奏】介于完全不调试和全部人工检查之间，特殊的差异比较。左边放原始文件修改后的结果，右边对照原内容。
有outfile参数时
0 | False，直接生成目标文件，如果outfile已存在会被覆盖
1 | True，直接生成目标文件，但是会弹出bc比较前后内容差异 （相同内容不会弹出）
"""
infile = File(file)
enc = get_encoding(infile.read(mode='b'))
data = infile.read(mode=file_mode, encoding=enc)
origin_content = str(data)
new_data = func(data)
isdiff = origin_content != str(new_data)
if outfile is None: # 原地操作
if isdiff: # 内容不同才会有相关debug功能，否则静默跳过就好
if debug == 0:
infile.write(new_data, mode=file_mode) # 直接处理
elif debug == 1:
temp_file = File('refine_content',
Dir.TEMP,
suffix=infile.suffix).write(new_data)
bcompare(infile, temp_file) # 使用beyond compare软件打开对比查看
elif debug == -1:
temp_file = File('origin_content',
Dir.TEMP,
suffix=infile.suffix)
infile.copy(temp_file)
infile.write(new_data, mode=file_mode,
encoding=enc) # 把原文件内容替换了
bcompare(infile, temp_file) # 然后显示与旧内容进行对比
else:
raise ValueError(f'{debug}')
else:
outfile = File(outfile)
outfile.write(new_data, mode=file_mode, encoding=enc) # 直接处理
if debug and isdiff:
bcompare(infile, outfile)
return isdiff
def func(g):
# 1 获得图片id和文件
image_id, df = g
imfile = File(df.iloc[0]['file_name'], imdir)
if not imfile:
return # 如果没有图片不处理
image = self.images.loc[image_id]
image = image.drop(['file_name', 'height', 'width'])
# 2 生成这张图片对应的json标注
if dst_dir:
imfile = imfile.copy(dst_dir, if_exists='skip')
lm = Coco2Labelme(imfile)
height, width = lm.data['imageHeight'], lm.data['imageWidth']
# 注意df取出来的image_id默认是int64类型，要转成int，否则json会保存不了int64类型
lm.add_shape('', [0, 0, 10, 0],
shape_type='line',
shape_color=[0, 0, 0],
size=f'{height}x{width}',
**(image.to_dict()))
getattr(lm, match_func_name)(df,
segmentation=segmentation,
hide_match_dt=hide_match_dt,
**kwargs)
lm.write() # 保存json文件到img对应目录下
def func(g):
# 1 获得图片id和文件
image_id, df = g
imfile = File(df.iloc[0]['file_name'], imdir)
if not imfile:
return # 如果没有图片不处理
# 2 生成这张图片对应的json标注
if dst_dir:
imfile = imfile.copy(dst_dir, if_exists='skip')
lm = Coco2Labelme(imfile)
height, width = lm.img.size(
) # 也可以用image['height'], image['width']获取
# 注意df取出来的image_id默认是int64类型，要转成int，否则json会保存不了int64类型
lm.add_shape('', [0, 0, 10, 0],
shape_type='line',
shape_color=[0, 0, 0],
n_gt_box=len(df),
image_id=int(image_id),
size=f'{height}x{width}')
lm.anns_gt(df, segmentation=segmentation)
lm.write() # 保存json文件到img对应目录下
