Question

我有一个带有以下元素的xml文档：

<sequence id = "ancestralSequence"> 
    <taxon id="test">
     </taxon>       
    ACAGTTGACACCCTT
</sequence>

并想在“taxon”标签内解析一个新的字符序列。我开始研究XML包文档，但还找不到简单的解决方案。我的代码：

# load packages
require("XML")

# create a new sequence
newSeq <- "TGTCAATGGAACCTG"

# read the xml
secondPartXml <- xmlTreeParse("generateSequences_secondPart.xml")

Answer 1

我用xmlParse读取它然后用XPath表达式得到我想要的位。例如，在您的测试数据中，以下是如何获取序列标记中文本的值：

x=xmlParse("test.xml")
xmlValue(xpathApply(x,"//sequence")[[1]])
## [1] "\n            \n    ACAGTTGACACCCTT\n"

- 两个空行，一些空格，然后是基地。

获取分类标签中的文字：

xmlValue(xpathApply(x,"//sequence/taxon")[[1]])
## [1] "\n     "

- 空，只是一个空白行。

现在，要将一个字符串替换为另一个字符串，您只需找到“文本节点”，这是一个带有隐形魔法的XML，使其看起来就像文本但不是，并将其值设置为一些东西。

给出一些包含几个序列的数据，并假设你想在开始时用CCCCC和最后的GGGGGGG括起每个序列：

<data>
<sequence id = "ancestralSequence"> 
    <taxon id="test">Taxon
     </taxon>       
    ACAGTTGACACCCTT
</sequence>
<sequence id = "someotherSequence"> 
    <taxon id="thing">Taxoff
     </taxon>       
    GGCGGCGCGGGGGGG
</sequence>
</data>

代码如下：

# read in to a tree:
x = xmlParse("test.xml")

# this returns a *list* of text nodes under sequence
# and NOT the text nodes under taxon
nodeSet = xpathApply(x,"//sequence/text()")

# now we loop over the list returned, and get and modify the node value:
sapply(nodeSet,function(G){
  text = paste("CCCCC",xmlValue(G),"GGGGGGG",sep="")
  text = gsub("[^A-Z]","",text)
  xmlValue(G) = text
})

请注意，这是通过引用来完成的在R中是奇数。毕竟，对象x已经改变，尽管我们没有直接对它做任何事情。我们在循环中使用的节点是对x对象中存储的数据的引用，指针。

无论如何，那应该是你。请注意，“解析”并不意味着完全取代，而是关于我们如何分析表达式中的语法，在这种情况下挑选XML文档的标记，属性和内容。

Answer 2

您可以尝试使用replaceNodes并创建一个可能更容易使用或替换文本的新节点。

# new node name
# invisible(replaceNodes(doc[["//sequence/text()"]], newXMLNode("new", newSeq)))

# new text only
invisible(replaceNodes(doc[["//sequence/text()"]], newXMLTextNode( newSeq)))
doc

<?xml version="1.0"?>
<sequence id="ancestralSequence"><taxon id="test">
     </taxon>TGTCAATGGAACCTG</sequence>

在R中编辑XML文件

2 个答案: