#python #xml #python-3.x #python-2.7 #xml-parsing
#python #xml #python-3.x #python-2.7 #xml-синтаксический анализ
Вопрос:
Я хотел прочитать PMID и имя автора из xml-файла, пример файла показан ниже
Я получаю PMID и forename, но цикл равен количеству повторений PMID, я хочу 1 PMID и соответствующее forename
<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE PubmedArticleSet SYSTEM "http://dtd.nlm.nih.gov/ncbi/pubmed/out/pubmed_190101.dtd">
<PubmedArticleSet>
<PubmedArticle>
<MedlineCitation Status="MEDLINE" Owner="NLM">
<PMID Version="1">2844048</PMID>
<AuthorList CompleteYN="Y">
<Author ValidYN="Y">
<LastName>Guarner</LastName>
<ForeName>J</ForeName>
<Initials>J</Initials>
</Author>
<Author ValidYN="Y">
<LastName>Cohen</LastName>
<ForeName>C</ForeName>
<Initials>C</Initials>
</Author>
<Author ValidYN="Y">
<LastName>Mushi</LastName>
<ForeName>E</ForeName>
<Initials>F</Initials>
</Author>
</AuthorList>
</MedlineCitation>
</PubmedArticle>
<PubmedArticle>
<MedlineCitation Status="MEDLINE" Owner="NLM">
<PMID Version="1">123456</PMID>
<AuthorList CompleteYN="Y">
<Author ValidYN="Y">
<LastName>Smith</LastName>
<ForeName>C</ForeName>
<Initials>C</Initials>
</Author>
<Author ValidYN="Y">
<LastName>Jones</LastName>
<ForeName>E</ForeName>
<Initials>F</Initials>
</Author>
</AuthorList>
</MedlineCitation>
</PubmedArticle>
</PubmedArticleSet>
код, я пытался
FN=[]
for pmid in root.iter('PMID'):
print(pmid.text)
for id in root.findall("./PubmedArticle/MedlineCitation/Article/AuthorList"):
for f in id.findall("./Author/ForeName"):
fn=f.text
x= '{},{}'.format(i, fn)
#print(x)
FN.append(x)
ожидаемый результат
PMID AUTHORS
2844048 'Guarner J J', 'Cohen C C'
Ответ №1:
Я не знаю, хотите ли вы, чтобы выходные данные были в определенном формате. Однако вы можете попробовать следующий код. На выходе получается словарь, где ключами являются PMID, а значениями — список авторов.
import xml.etree.ElementTree as ET
import pandas as pd
tree = ET.parse('E:PythonDataFilesPMID.xml') # change according to your location
authors_pmid = []
all_authors_pmid = []
root = tree.getroot()
for amedlinecitation in root.iter('MedlineCitation'): #PMID and Author are childs of MedlineCitation
pmid = amedlinecitation.find('PMID').text
for anauthor in amedlinecitation.iter('Author'): # for each amedlinecitation, find all its Authors
author_name = anauthor.find('LastName').text # for each Author, find the LastName tag and extract its value
authors_pmid = [pmid,author_name]
all_authors_pmid.append(authors_pmid)
df = pd.DataFrame(all_authors_pmid,columns=['PMID','Author'])
print(df)
Вывод:
{'2844048': ['Guarner', 'Cohen', 'Mushi'], '123456': ['Smith', 'Jones']}
Следующий код выдаст выходные данные в табличной форме с использованием фрейма данных Python.
import xml.etree.ElementTree as ET
import pandas as pd
tree = ET.parse('E:PythonDataFilesPMID.xml') # change according to your location
authors_pmid = []
all_authors_pmid = []
root = tree.getroot()
for amedlinecitation in root.iter('MedlineCitation'): #PMID and Author are childs of MedlineCitation
pmid = amedlinecitation.find('PMID').text
for anauthor in amedlinecitation.iter('Author'): # for each amedlinecitation, find all its Authors
author_name = anauthor.find('LastName').text # for each Author, find the LastName tag and extract its value
authors_pmid = [pmid,author_name]
all_authors_pmid.append(authors_pmid)
df = pd.DataFrame(all_authors_pmid,columns=['PMID','Author'])
print(df)
Вывод:
PMID Author
0 2844048 Guarner
1 2844048 Cohen
2 2844048 Mushi
3 123456 Smith
4 123456 Jones
Чем приведенный выше код отличается от первого кода:
- Для каждой пары PMID и имени автора будет создан список. Этот список называется authors_pmid. Например, [‘2844048’, ‘Guarner’], [‘2844048’, ‘Cohen’], [‘2844048’, ‘Mushi’], [‘123456’, ‘Smith’], [‘123456’, ‘Jones’] будут значениями в переменной списка authors_pmid во время каждой итерации внутреннего цикла for.
- Затем каждый из приведенных выше списков будет добавлен к окончательному списку, определяемому all_authors_pmid
- Этот окончательный список будет данными, входящими в вызов конструктора Dataframe для создания Dataframe с именами столбцов как: PMID и Author
Комментарии:
1. Большое спасибо, {‘2844048’: [‘Guarner’, ‘Cohen’, ‘Mushi’], могу ли я получить входные данные типа 2844048’Guarner’ ‘2844048’: Cohen 2844048: Mushi?
2. При выполнении кода для всего файла я получаю ошибку AttributeError: объект ‘NoneType’ не имеет атрибута ‘text’, получая author_name = anauthor.find(‘ForeName’).text
3. Вы хотите получить выходные данные в виде словаря типа {2844048:’Guarner’, 2844048:’Cohen’, 2844048:’Mushi’}? Это невозможно, поскольку словарь имеет уникальные ключи. Таким образом, ключ 2844048 может появиться в словаре только один раз, и он будет иметь последнее введенное значение. Все значения, записанные ранее, будут перезаписаны новым значением. Если вы хотите, чтобы несколько значений принадлежали одному ключу, затем составьте список этих значений и присвоите его ключу. Это то, что делает мой приведенный выше код.
4. Что касается ошибки «AttributeError: объект ‘NoneType’ не имеет атрибута ‘text’, получая author_name = anauthor.find(‘ForeName’).text», мне трудно комментировать, не зная, какой код вы используете.
5. я решил ошибку атрибута, нет, я хочу ввести в dataframe, например, в одной строке 2844048’Guarner’, во 2-й строке 2844048: ‘Mushi. Возможно ли это?