5

我对编程相当陌生,并且一直在尝试为此找到解决方案,但我能找到的只是零碎的东西,没有真正的运气将它们放在一起。

我正在尝试使用BeautifulSoup4inpython来抓取一些xml并将文本值存储在变量中的特定标签之间。数据来自医学生培训计划,现在需要手动找到所需的一切。所以我试图通过一个抓取程序来提高效率。

例如,假设我正在查看这种类型的测试数据来进行实验:

<AllergyList>
<Allergy>
    <Deleted>n</Deleted>
    <Status>
        <Active/>
    </Status>
    <ExternalID/>
    <Patient>
        <ExternalID/>
        <FirstName>Testcase</FirstName>
        <LastName>casetest</LastName>
    </Patient>
    <Allergen>
        <Name>Flagyl (metronidazole)</Name>
        <Drug>
           <NDCID>00025182151,00025182131,00025182150</NDCID>
        </Drug>
    </Allergen>
    <Reaction>difficulty breathing</Reaction>
    <OnsetDate>02/02/2013</OnsetDate>
 </Allergy>
<Allergy>
    <Deleted>n</Deleted>
    <Status>
        <Active/>
    </Status>
    <ExternalID/>
    <Patient>
        <ExternalID/>
        <FirstName>Testcase</FirstName>
        <LastName>casetest</LastName>
    </Patient>
    <Allergen>
        <Name>Bactrim (sulfamethoxazole-trimethoprim)</Name>
        <Drug>
            <NDCID>13310014501,49999023220</NDCID>
        </Drug>
    </Allergen>
    <Reaction>swelling</Reaction>
    <OnsetDate>05/03/2002</OnsetDate>
  </Allergy>
  <Number>2</Number>
</AllergyList>

我一直在尝试<Name>从多个<Allergen>标签之间提取标签,以及从<Onsetdate><Reaction>标签之间提取相应的数据,同时将拉取的结果存储到相应的变量中。

因此,例如,我想拉出Flagyl (metronidazole), difficulty breathing, 02/02/2013, 然后Bactrim (sulfamethoxazole-trimethoprim), swelling,05/03/2002等等,同时将它们放在单独的变量中,以便以后使用。

<Allergen>标签中提取第一组很容易,但我无法弄清楚如何迭代xml并将提取的数据存储到变量中。我一直在尝试使用 for 循环,同时将数据存储到数组或列表中,但我一直在编写它的方式,我总是根据我从len()函数计算的迭代次数一遍又一遍地提取相同的数据和此后未能将其中任何一个存储到数组中。

我已经为此绞尽脑汁了一段时间,我想我可能没有那么聪明,所以任何帮助甚至指出我正确的方向都将不胜感激。

4

1 回答 1

7

这似乎是一项简单的任务,因为没有很多嵌套标签:

from bs4 import BeautifulSoup
import sys 

soup = BeautifulSoup(open(sys.argv[1], 'r'), 'xml')

allergies = []
for allergy in soup.find_all('Allergy'):
    d = { 
        'name': allergy.Allergen.Name.string,
        'reaction': allergy.Reaction.string,
        'on_set_date': allergy.OnsetDate.string,
    }   
    allergies.append(d)

## Use 'allergies' array of dictionaries as you want.
## Example:
print(allergies[1]['reaction'])

xml使用文件作为参数运行它:

python3 script.py xmlfile

这个测试产生:

swelling
于 2013-11-08T14:44:24.273 回答