Question

我正在尝试将多个XML文件解析为列/表，但有些XML具有不同的数据，有些并不重要，而其他数据很重要。

即（XML数据）：

<setId root="ABD6ECF0-DC8E"/>
<component>
            <section>
                <id root="F08C6A14-8165-458A-BDC8-0B5878EB814D"/>
                <code code="34069-5" codeSystem="2.16.840.1.113883.6.1" codeSystemName="LOINC" displayName="HOW SUPPLIED SECTION"/>
                <title mediaType="text/x-hl7-title+xml">HOW SUPPLIED</title>
                <text>
                    <paragraph>RENESE (polythiazide) Tablets are available as:</paragraph>
                    <paragraph>1 mg white, scored tablets in bottles of 100 (NDC 0069-3750-66).</paragraph>
                    <paragraph>2 mg yellow, scored tablets in bottles of 100 (NDC 0069-3760-66).</paragraph>
                    <paragraph>4 mg white, scored tablets in bottles of 100 (NDC 0069-3770-66).</paragraph>
                </text>
                <effectiveTime value="20051214"/>
            </section>
        </component>

<component>
            <section>
                <id root="42CB916B-BB58-44A0-B8D2-89B4B27F04DF"/>
                <code code="34089-3" codeSystem="2.16.840.1.113883.6.1" codeSystemName="LOINC" displayName="DESCRIPTION SECTION"/>
                <title mediaType="text/x-hl7-title+xml">DESCRIPTION</title>
                <text>
                    <paragraph>Renese<sup>&#174;</sup> is designated generically as polythiazide, and chemically as 2<content styleCode="italics">H</content>-1,2,4-Benzothiadiazine-7-sulfonamide, 6-chloro-3,4-dihydro-2-methyl-3-[[(2,2,2-trifluoroethyl)thio]methyl]-, 1,1-dioxide. It is a white crystalline substance, insoluble in water but readily soluble in alkaline solution.</paragraph>
                    <paragraph>Inert Ingredients: dibasic calcium phosphate; lactose; magnesium stearate; polyethylene glycol; sodium lauryl sulfate; starch; vanillin. The 2 mg tablets also contain: Yellow 6; Yellow 10.</paragraph>
                </text>
                <effectiveTime value="20051214"/>
            </section>
        </component>
        <component>
            <section>

                         <manufacturedProduct>
                         <manufacturedMedicine>
                            <code code="0069-3750" codeSystem="2.16.840.1.113883.6.69" codeSystemName="FDA" displayName="NDC"/>
                            <name>Renese</name>
                            <formCode code="C42998" codeSystem="2.16.840.1.113883.3.26.1.1" displayName="TABLET"/>
                         <manufacturedProduct/>
                         <manufacturedMedicine/>

我希望最终结果如下（在setID，description和name中作为列名）：

setID

ABD6ECF0-DC8E

描述

Renese一般指定为
聚噻嗪，化学上为2H-1,2,4- 苯并噻二嗪-7-磺酰胺，6-氯 - 3,4-二氢-2-甲基-3 - [[（2,2,2- - 三氟乙基）硫代]甲基] - ，1,1-二氧化物。它是一个白色结晶物质，不溶于水但是易溶于碱性溶液。

命名

Renese

Answer 1

如果我理解正确，您正在尝试解析从此网站下载的XML：https://dailymed.nlm.nih.gov/dailymed/drugInfo.cfm?setid=abd6ecf0-dc8e-41de-89f2-1e36ed9d6535

实际上它不是常规XML，而是HL7类型，特别是（版本3 {urn：hl7-org：v3}）。

为了快速处理这个问题，有一个开源工具（Mirth：https://www.mirth.com/）可以很好地完成工作，（Iguana：http://www.interfaceware.com/iguana.html，商业用途）。顺便说一句，感谢你的帖子，它给了我测试Mirth工具的机会。

实际上，您需要将xml转换为HL7V3格式以获取所需信息。下面是一个我用于xml和输出的频道示例（https://www.dropbox.com/sh/ibosv56m0monmcj/AACL7t6ZKOi4P-Bwpi75KhUXa?dl=0）。

有关详细信息，我建议您查看此处：Convert XML to HL7 messages using Mirth Connect

如果你需要使用python，你可以查看HL7（http://hl7apy.org/）和FIHR（https://pypi.python.org/pypi/fhir/0.0.4）包。

为了使用python解析常规XML，这里描述了几种方法：How do I parse XML in Python?（我很喜欢beautifulsoup和lxml）。

希望能有所帮助。祝你好运

使用python

1 个答案: