Question

我有一个脚本需要一堆XML文件，所有这些文件都采用HMDB61152.xml的形式，并使用glob将它们全部拉入。对于每个文件，我需要提取有关每个文件的详细信息，例如accession，name和diseases列表。要解析我使用xmltodict的每个XML，因为我传统上喜欢使用列表而不是XML文件，尽管由于我所面临的问题，我可能需要更改策略。

我可以轻松地提取name和acc，因为所有XML文件都在树的同一级别中：

p ath = '/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，疾病信息有三种选择：

每个disease树中有多个diseases个标记。即，对于给定的种质，有2种或更多种疾病。
disease树中有一个diseases表示加入只有一种疾病。或
disease树中根本没有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，我需要以下列格式提取其名称：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人来说，他们根本就没有指数，所以我唯一可以得出这种疾病的名字就是doc['metabolite']['diseases']['disease']['name']。

脚本失败，因为一旦我们遇到只有一种疾病的情况，它会在尝试测试doc['metabolite']['diseases']['disease'][0]) == True时返回KeyError。如果有人能帮我解决这个问题，那就太好了，或者指导我采取更合适的策略。

Answer 1

找到一个相对简单的解决方法，我只需使用以下方式尝试：

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'])

由于格式不同

1 个答案: