xml文件
其中pathway为整个xml的根节点
整个xml结构为
pathway
----entry
--------graphics
----entry
--------graphics
----entry
--------graphics
----....
----relation
--------subtype
----....
需求为讲relation中的attrib中的entry1与entry2提取出来，寻找entry中对应的id
基本思路为：
1. 先获取所有的relation节点，遍历relation节点
2. 获取当前节点的attribute，获取attrib的entry1、entry2属性的值
3. 在entry节点中搜索entry id
4. 构造最后所需的结果
在遍历relation节点，每次都要对entry节点进行搜索，比较浪费时间。
在此可以先构造一个key为id，value为graphics节点 name 的entry字典，之后可以遍历relation的时候获得的
entry1、entry2可以直接访问entry字典获取值，就不需要多层for循环了~
在这里使用的xml解析包为 xml.etree.ElementTree
直接上代码吧=，=
没有设置为markdown文本模式。。。 各位看官将就的看会吧。。也没几行
import xml.etree.ElementTree as ET #解析xml文件的包
import pandas #写入excel需要的包
tree = ET.parse('Pathway_5.xml') #打开xml文件，使用xml.etree进行解析
root = tree.getroot() #获取根节点
entry_list = root.findall('entry') #找到所有的entry节点
relation_list = root.findall('relation') #找到所有的relation节点
entry_dic = {} #构造空字典
#对所有的entry节点进行一次遍历，使用entry的id 作为 字典的key 使用entry内的gene节点的name 作为字典的 value
#这步是为了避免之后每次都要对entry进行遍历查找
#避免了深层次的 for 循环嵌套
for i in entry_list:
gene = i.findall('graphics') #查找当前entry节点所有的gene节点，避免出现两次
if len(gene) == 1:
gene = gene[0]
if 'name' in gene.attrib:
entry_dic[i.attrib['id']] = gene.attrib['name'] # 构造key-value
else:
print(gene.attrib)
entry_dic[i.attrib['id']] = 'none'
#为了写入excel作准备
entry1_name = []
entry2_name = []
subtype_name = []
#遍历relation
for i in relation_list:
#如果当前relation节点不同时存在entry1和entry2则跳到下次for循环
if 'entry1' not in i.attrib and 'entry2' not in i.attrib:
print("False relation : %s" % str(relation_list.index(i)))
continue
#获得 entry1 和 entry2 的id
entry1_id = i.attrib['entry1']
entry2_id = i.attrib['entry2']
print(entry1_id,entry2_id)
# 包含当前relation节点的subtype节点出现多个的情况
subtype_name_list = []
for k in i.findall('subtype'):
if 'name' in k.attrib:
subtype_name_list.append(k.attrib['name'])
else:
subtype_name_list.append('')
#将结果添加到之前列表，pandas写入excel需要列表
entry1_name.append(entry_dic[entry1_id])
entry2_name.append(entry_dic[entry2_id])
subtype_name.append(' '.join(subtype_name_list))
#写入txt文件
with open('d.txt','a+') as f:
f.write('%s \t\t\t\t%s\t\t\t\t%s\n' % (entry_dic[entry1_id],entry_dic[entry2_id],' '.join(subtype_name_list)))
# #写入 excel 文件
# file_name = 'outputs.xlsx' #文件名
# #构造DataFrame结构数据 excel写入需要DataFrame数据
# msg = pandas.DataFrame(data={'entry1_name':entry1_name,'entry2_name':entry2_name,'subtype_name':subtype_name})
# #写入excel
# writer = pandas.ExcelWriter(file_name)
# msg.to_excel(writer,'Sheet1')
# writer.save()
幸好缩进还是保留的....
在这里说下我用到的api
ET.parse('Pathway_5.xml') #解析文件~
tree.getroot() #获取根节点
root.findall('entry') #找到当前节点下的所有tag name 为entry 的节点
.attrib #获得当前节点的属性
