0

我有一个脚本，它需要一堆 XML 文件，所有格式都是：HMDB61152.xml并将它们全部拉入 using glob. 对于每个文件，我需要提取每个文件的一些详细信息，例如accession、name和diseases. 解析我使用的每个 XML，xmltodict因为我传统上喜欢使用列表而不是 XML 文件，尽管由于我面临的问题，我可能需要改变我的策略。

我能够轻松地提取name，acc因为所有 XML 文件都将它放在树的同一第一级：

path = '/Users/me/Downloads/hmdb_metabolites' for data_file in glob.glob(os.path.join(path,'*.xml')): diseases=[] with open(data_file) as fd: doc = xmltodict.parse(fd.read()) name = doc['metabolite']['name'] acc = doc['metabolite']['accession']

所以基本上在这一点上，疾病信息有三个选项：

  1. 每棵树中有多个disease标签。diseases即，给定的种质有两种或多种疾病。
  2. disease树中有一个diseases意味着该种质只有一种疾病。或者
  3. 树上根本没有disease。diseases

我需要编写一个可以处理任何三种情况的循环，这就是我失败的地方。到目前为止，这是我的方法：

    #I get the disease root, which returns True if it has lower level items (one or more disease within diseases) 
#or False if there are no disease within diseases. 
    dis_root=doc['metabolite']['diseases']
    if (bool(dis_root)==True):
        dis_init = doc['metabolite']['diseases']['disease']
        if (bool(doc['metabolite']['diseases']['disease'][0]) == True):
            for x in range(0,len(dis_init)):
                diseases.append(doc['metabolite']['diseases']['disease'][x]['name'])
        else: 
            diseases.append(doc['metabolite']['diseases']['disease']['name'])

    else:
        diseases=['None']

所以问题是，对于有多种疾病的情况，我需要按以下格式提取它们的名称：doc['metabolite']['diseases']['disease'][x]['name']对于疾病中的每个x。但是对于那些只有一种疾病的，他们根本没有索引，所以我能提取出那种疾病的名字的唯一方法就是做doc['metabolite']['diseases']['disease']['name']。

该脚本失败是因为一旦我们遇到只有一种疾病的案例，它就会在尝试测试 if 时返回 KeyError doc['metabolite']['diseases']['disease'][0]) == True。如果有人可以帮助我解决这个问题，那就太好了，或者指导我采取更合适的策略。

4

2 回答 2

0

尝试类似的东西

if 0 in doc['metabolite']['diseases']['disease']:
    pass # if 0 is a key in the array, we have multiple entries
else
    pass # only a single item.
于 2016-12-04T21:45:10.403 回答
0

找到了一个相对简单的解决方法，我只是通过以下方式使用try：

try:
            for x in range(0,len(dis_init)):
                    diseases.append(doc['metabolite']['diseases']['disease'][x]['name'])
            except KeyError: 
                diseases.append(doc['metabolite']['diseases']['disease']['name'])
于 2016-12-04T23:29:25.640 回答