4

我使用 python 和 lxml 来处理 xml。在我查询/过滤以到达我想要的节点后，但我遇到了一些问题。如何通过 xpath 获取其属性的值？这是我的输入示例。

>print(etree.tostring(node, pretty_print=True ))
<rdf:li xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"  rdf:resource="urn:miriam:obo.chebi:CHEBI%3A37671"/>

我想要的值在 resource=... 中。目前我只是使用 lxml 来获取价值。我想知道是否可以在纯 xpath 中进行？谢谢

编辑：忘了说，这不是根节点，所以我不能在这里使用 //。我在 xml 文件中有 2000-3000 个其他人。我的第一次尝试是使用“.@attrib”和“self::*@”，但这些似乎不起作用。

EDIT2：我会尽力解释（嗯，这是我第一次使用 xpath 处理 xml 问题。英语不是我最喜欢的领域之一......）。这是我的输入片段http://pastebin.com/kZmVdbQQ（来自此处的完整片段http://www.comp-sys-bio.org/yeastnet/使用版本 4）。

在我的代码中，我尝试使用资源链接 chebi ( <rdf:li rdf:resource="urn:miriam:obo.chebi:...."/>).节点如果我从像speciesTypes这样的父节点开始，但我想知道如果我从rdf：li开始怎么办根据我的理解，xpath中的“//”将在任何地方寻找节点，而不仅仅是在当前节点中。

下面是我的代码

import lxml.etree as etree

tree = etree.parse("yeast_4.02.xml")
root = tree.getroot()
ns = {"sbml": "http://www.sbml.org/sbml/level2/version4", 
      "rdf":"http://www.w3.org/1999/02/22-rdf-syntax-ns#",
      "body":"http://www.w3.org/1999/xhtml",
      "re": "http://exslt.org/regular-expressions"
      }
#good enough for now
maybemeta = root.xpath("//sbml:speciesType[descendant::rdf:li[starts-with(@rdf:resource, 'urn:miriam:obo.chebi') and not(starts-with(@rdf:resource, 'urn:miriam:uniprot'))]]", namespaces = ns)

def extract_name_and_chebi(node):
    name = node.attrib['name']
    chebies = node.xpath("./sbml:annotation//rdf:li[starts-with(@rdf:resource, 'urn:miriam:obo.chebi') and not(starts-with(@rdf:resource, 'urn:miriam:uniprot'))]", namespaces=ns) #get all rdf:li node with chebi resource
    assert len(chebies) == 1
    #my current solution to get rdf:resource value from rdf:li node
    rdfNS = "{" + ns.get('rdf') + "}"
    chebi = chebies[0].attrib[rdfNS + 'resource'] 
    #do protein later
    return (name, chebi)

    metaWithChebi = map(extract_name_and_chebi, maybemeta)
fo = open("metabolites.txt", "w")

for name, chebi in metaWithChebi:
    fo.write("{0}\t{1}\n".format(name, chebi))
4

3 回答 3

3

@在 XPath 查询中为属性名称添加前缀：

>>> from lxml import etree
>>> xml = """\
... <?xml version="1.0" encoding="utf8"?>
... <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">
...     <rdf:li rdf:resource="urn:miriam:obo.chebi:CHEBI%3A37671"/>
... </rdf:RDF>
... """
>>> tree = etree.fromstring(xml)
>>> ns = {'rdf': 'http://www.w3.org/1999/02/22-rdf-syntax-ns#'}
>>> tree.xpath('//rdf:li/@rdf:resource', namespaces=ns)
['urn:miriam:obo.chebi:CHEBI%3A37671']

编辑

这是问题中脚本的修订版本：

import lxml.etree as etree

ns = {
    'sbml': 'http://www.sbml.org/sbml/level2/version4',
    'rdf':'http://www.w3.org/1999/02/22-rdf-syntax-ns#',
    'body':'http://www.w3.org/1999/xhtml',
    're': 'http://exslt.org/regular-expressions',
    }

def extract_name_and_chebi(node):
    chebies = node.xpath("""
        .//rdf:li[
        starts-with(@rdf:resource, 'urn:miriam:obo.chebi')
        ]/@rdf:resource
        """, namespaces=ns)
    return node.attrib['name'], chebies[0]

with open('yeast_4.02.xml') as xml:
    tree = etree.parse(xml)

    maybemeta = tree.xpath("""
        //sbml:speciesType[descendant::rdf:li[
        starts-with(@rdf:resource, 'urn:miriam:obo.chebi')]]
        """, namespaces = ns)

    with open('metabolites.txt', 'w') as output:
        for node in maybemeta:
            output.write('%s\t%s\n' % extract_name_and_chebi(node))
于 2011-12-07T02:12:41.740 回答
1

要从当前节点中选择其名为 的属性rdf:resource，请使用以下 XPath 表达式：

@rdf:resource

为了使其“正常工作”，您必须将前缀关联注册"rdf:"到相应的命名空间。

如果您不知道如何注册 rdf 命名空间，仍然可以选择属性-- 使用这个 XPath 表达式：

@*[name()='rdf:resource']
于 2011-12-07T13:34:58.893 回答
0

嗯，我明白了。我在这里需要的 xpath 表达式是“./@rdf:resource”而不是“.@rdf:resource”。但为什么 ？我认为“./”表示当前节点的子节点。

于 2011-12-07T20:39:22.457 回答