Kaggle代码提取训练图片列表为空问题求助

我在Kaggle运行以下提取图片名称的代码时，输出结果为空列表[]：

# img_name extraction
imgs_train = [img for img in image_path if (img.split('/')[-1].split)('.jpg')[0] in xmls_train]
imgs_train[:3]

但同样的代码在某Kaggle Notebook中能正常返回图片路径列表：

# img_name extraction
imgs_train = [img for img in image_path if (img.split('/')[-1].split)('.jpg')[0] in xmls_train]
imgs_train[:3]

# 输出结果
['../input/images/images/oil_spot/img_07_425390900_00063.jpg',
 '../input/images/images/oil_spot/img_04_431854700_00385.jpg',
 '../input/images/images/oil_spot/img_08_3437011100_00685.jpg']

我尝试了以下多种写法，均未解决问题：

# 写法1
imgs_train = [q.split('/')[-1].split('.')[0] for q in xmls_train]
imgs_train[:3]

# 写法2
imgs_train = [q.split('\\')[-1].split('.jpg')[0]for q in xmls_train ]
imgs_train[:3]

# 写法3（语法错误）
imgs_train = [img for img in xmls_train if (img.split('/')[-1].split)('.jpg')[0]for img in image_path]
imgs_train[:3]

# 写法4
imgs_train = [img for img in image_path if img in xmls_train]
imgs_train[:3]

# 写法5
imgs_train = [img.split("/")[-1].split('.jpg')[0]for img in image_path]
imgs_train[:3]

# 写法6（与原代码一致）
imgs_train = [img for img in image_path if (img.split('/')[-1].split)('.jpg')[0] in xmls_train]
imgs_train[:3]

# 写法7（逻辑错误，引用未定义变量）
imgs_train = [img for img in image_path if (img.split('/')[-1].split)('.jpg')[0] in imgs_train]
imgs_train[:3]

问题排查与解决方法 #

1. 统一路径处理方式
   手动用split('/')或split('\\')容易受平台路径格式影响，建议用os.path模块跨平台处理：

   import os
   # 提取图片文件名（不带后缀）
   img_basename = os.path.splitext(os.path.basename(img))[0]
   

2. 核对xmls_train的内容格式
   原代码逻辑是「图片文件名（不带.jpg）是否存在于xmls_train」，你需要确认：

   • xmls_train中存储的是不带后缀的文件名，还是带.xml后缀的文件名？如果是后者，需要先把.xml去掉再比对。
   • xmls_train里的内容和图片提取出的文件名是否完全匹配（比如大小写、是否有多余字符）。

3. 分步调试定位问题
   别直接写列表推导式，先打印中间结果确认每一步是否符合预期：

   # 查看image_path的路径格式
   print("image_path示例:", image_path[:3])
   # 查看每个图片提取出的文件名
   for img in image_path[:3]:
       filename = os.path.splitext(os.path.basename(img))[0]
       print("提取的图片文件名:", filename)
   # 查看xmls_train的内容格式
   print("xmls_train示例:", xmls_train[:3])
   

4. 修正后的代码示例
   用集合存储xml文件名（查找效率更高），再筛选匹配的图片：

   import os
   
   # 把xmls_train转换成不带后缀的文件名集合
   xml_filename_set = {os.path.splitext(os.path.basename(xml))[0] for xml in xmls_train}
   
   # 筛选匹配的图片路径
   imgs_train = [img for img in image_path if os.path.splitext(os.path.basename(img))[0] in xml_filename_set]
   
   print(imgs_train[:3])
   

内容的提问来源于stack exchange，提问作者SHEEBA