Pythonで複数の画像ファイルにつけたIPTCのキーワードを集計する（IPTCInfo3を使用）

はじめに

複数の画像ファイルに付けたキーワードの総数や、キーワードごとの使用回数を調べるという処理を、Pythonのpyexiv2で書きました。画像ファイルのIPTC情報からキーワードを抽出して、集計してみた記事です。

PythonでIPTCを扱うモジュールには、pyexiv2の他にIPTCInfo3というモジュールもあります。

こちらのモジュールも試してみることにしました。

環境

• OS: Windows 11 Home 22H2
• Python: 64ビット版、3.11.4

モジュールのインストール

pip install IPTCInfo3

複数の画像ファイルにおいて、キーワードごとの出現回数を集計する

pyexiv2で行ったように、基準となるディレクトリ配下のJPEGファイルをすべて読み込み、キーワードごとの出現回数を集計します。

IPTCInfo3を使ったときの注意点は、以下のとおりです。

• ファイルを読み込むたびに型のことで警告を返してくるので、ロガーのログレベルを操作して警告表示を抑制する
  • 必須ではないが、何百、何千件というファイルを読み込んだときには気になる。必要に応じて表示の抑制を行う
• IPTCInfo3は各要素をbytes型で返してくる。よって、適時変換を行いながら処理する

# 複数の画像ファイルのキーワードを集計する
# 複数の画像ファイルに付けられたキーワードごとの個数を調べてみる

import datetime
import collections
from iptcinfo3 import IPTCInfo
from glob import glob
from tqdm import tqdm
from pprint import pprint
import logging

# IPTCInfo3では、ファイルを読み込むたびに以下の警告が表示される
#   WARNING: problems with charset recognition (b'\x1b')
# この警告を抑制するため、ロガーのログレベルを警告より高いエラーにしておく
iptcinfo_logger = logging.getLogger('iptcinfo')
iptcinfo_logger.setLevel(logging.ERROR)

# 基準となるディレクトリ
base_dir = 'baseDir'

# 基準となるディレクトリ配下にあるJPEGファイルを再帰的に読み込む
glob_dir = glob('%s/**/*.jpg' % base_dir, recursive=True)

all_keywords = []

for file_name in tqdm(glob_dir):
    try:
        img = IPTCInfo(file_name)

        # キーワードのリストを取得するが、各要素はbytes型
        keywords = img['keywords']
    except Exception as err:
        # IPTC情報が読めなかったファイル名とエラー内容を表示
        print(f'Error file name: {file_name}')
        print(f'Exception: {err}')
        continue

    # キーワードのリストの各要素をデコードして、改めてリストにする
    decode_keywords = [x.decode('utf-8') for x in keywords]

    # 全部のキーワードを収めるリストに、デコードしたリストを結合する
    all_keywords.extend(decode_keywords)

# collectionsのCounterクラスを用いて、キーワードの出現回数を集計する
coll = collections.Counter(all_keywords)

# 整形して表示する
pprint(coll)

# キーワードの出現回数の結果をファイルに出力する
# キーワード数が多いと画面では見切れてしまうので、必要に応じて
with open(f'aggregate_keywords_iptcinfo3_.txt', 'w', encoding='UTF-8') as f:
    pprint(coll, stream=f)

集計結果

pyexiv2と同じように集計できました（pyexiv2とは集計対象のディレクトリを変えています）。

Counter({'屋外': 1972,
         '日本': 1851,
         '風景': 1753,
         '晴れ': 1644,
         '青空': 1542,
         '空': 1513,
         '青色': 1353,
（中略）
         '冠水': 1,
         '走行注意': 1,
         '冠水警報': 1,
         'LED': 1,
         '警告灯': 1,
         '要注意': 1,
         '洪水': 1,
         '警戒': 1,
         '1棟': 1,
         '複数棟': 1,
         '積雲': 1,
         '1羽': 1,
         '農村': 1})