### 使用Python读取XML并批量调整图片大小至相同尺寸 为了实现这一目标，可以采用如下方案： #### 解析XML文件以获取图片路径及相关信息 首先，利用`xml.etree.ElementTree`模块解析XML文件。该模块提供了便捷的方式处理XML文档，能够轻松定位所需节点及其子元素。 ```python import xml.etree.ElementTree as ET def parse_xml(file_path): tree = ET.parse(file_path) root = tree.getroot() images_info = [] for image in root.findall('image'): img_path = image.find('path').text # 假设每张图像是由<image><path>...</path></image>标签定义 width = int(image.find('width').text) if image.find('width') is not None else None height = int(image.find('height').text) if image.find('height') is not None else None images_info.append({ 'img_path': img_path, 'original_size': (width, height), }) return images_info ``` 此部分代码实现了从给定的XML文件中提取出所有图像的信息，并将其存储在一个列表里以便后续操作[^4]。 #### 批量调整图片大小 接下来，借助Pillow库完成对这些图片的实际缩放工作。安装Pillow可通过命令 `pip install Pillow` 实现。对于每一幅待处理的图片，在保持宽高比例的前提下改变其分辨率到预设的目标尺寸。 ```python from PIL import Image target_width = target_height = 256 # 设定目标宽度和高度均为256像素为例 for info in images_info: try: with Image.open(info['img_path']) as im: original_w, original_h = im.size ratio = min(target_width / original_w, target_height / original_h) new_size = ( round(original_w * ratio), round(original_h * ratio) ) resized_im = im.resize(new_size, resample=Image.LANCZOS) output_file_name = f"{info['img_path']}_resized.jpg" resized_im.save(output_file_name) print(f"Processed {output_file_name}") except Exception as e: print(f"Failed to process file at path: {info['img_path']} due to error: ", str(e)) ``` 上述代码片段展示了如何遍历之前收集好的图片元数据集合，逐一对它们执行重置大小的操作，并保存新的版本[^2]。 ---