【Python实现】解析Drugbank文件中的XML

原创

已于 2022-07-12 10:46:41 修改 · 4.9k 阅读

16 ·

CC 4.0 BY-SA版权

文章标签：

#python #drugbank

于 2022-04-06 15:47:08 首次发布

这篇博客介绍了如何处理DrugBank的XML数据，包括使用Python的xml sax模块直接提取信息和将XML转换为JSON格式。样例代码展示了提取drug-target信息的过程，生成的CSV文件便于后续分析。此外，还提供了后续将要提取的drug-ATCcode和drug-druginteractions信息的预告。

1 样例一：xml直接提取

在做Drugbank数据处理时，发现的一个能够解决我问题的开源代码：项目地址以及Test文件，都在：

https://github.com/Deshan-Zhou/deal_DrugBank

但是直接上手处理xml格式的文件，对于xml数据的组织形式不熟悉的同志来讲很头疼，并不能够随心所欲的提取自己想提取的各种关联信息。在样例二中我提供一种能够方便提取数据的方法。

from xml.sax.handler import ContentHandler
from xml.sax import parse
import pandas as pd
"""
简写：
dbid : DrugBank id
dbname : DrugBank name
chid : ChEMBL id
ptid : protein id
"""
class ExtractData(ContentHandler):

    def __init__(self):
        #各个简写的映射关系
        self.dbid_chid = {
   
   }
        self.dbid_dbname = {
   
   }
        self.dbid_dbid = {
   
   }
        self.dbid_ptid = {
   
   }
        #当前的药物id和遍历区域的限定
        self.curr_id = ""
        self.limit = 0

    #可以自动获取遍历到的元素里面的内容，如<ele>content.....</ele>
    def characters(self,content):
        if self.limit == 2:
            self.curr_id = content
            self.limit = 3

        elif self.limit == 4:
            self.dbid_dbname[self.curr_id] = content
            self.limit = 0

        elif self.limit == 6:
            self.dbid_dbid.setdefault(self.curr_id,set()).add(content)
            self.limit = 5

        elif self.limit == 8:
            if content == "ChEMBL":
                self.limit = 9

        elif self