如何用R包xml解析xml/sbml？
我正在尝试从下面的sbml/xml文件中解析信息
https://dl.dropboxusercontent.com/u/10712588/file.xml
从这段代码
http://search.bioconductor.jp/codes/11172
看起来我可以正常导入这个文件
doc <- xmlTreeParse(filename,ignoreBlanks = TRUE) 但我无法通过以下方式恢复节点属性
atrr <- xpathApply(doc, "//species[@id]", xmlGetAttr, "id")或
xpathApply(doc, "//species", function(n) xmlValue(n[[2]]))下面是文件的一个节点...
<species id="M_10fthf_m" initialConcentration="1" constant="false" hasOnly
SubstanceUnits="false" name="10-formyltetrahydrofolate(2-)" metaid="_metaM_10fth
f_m" boundaryCondition="false" sboTerm="SBO:0000247" compartment="m">
<notes>
<body xmlns="http://www.w3.org/1999/xhtml">
<p>FORMULA: C20H21N7O7</p>
<p>CHARGE: -2</p>
<p>INCHI: InChI=1S/C20H23N7O7/c21-20-25-16-15(18(32)26-20)23-11(7-22
-16)8-27(9-28)12-3-1-10(2-4-12)17(31)24-13(19(33)34)5-6-14(29)30/h1-4,9,11,13,23
H,5-8H2,(H,24,31)(H,29,30)(H,33,34)(H4,21,22,25,26,32)/p-2/t11-,13+/m1/s1</p>
<p>HEPATONET_1.0_ABBREVIATION: HC00212</p>
<p>EHMN_ABBREVIATION: C00234</p>
</body>
</notes>
<annotation>
...我想检索物种节点内的所有信息，有人知道怎么做吗？
回答 3
Stack Overflow用户
发布于 2013-05-02 10:45:17
我猜这取决于您说要“检索”物种节点中的所有信息是什么意思，因为检索到的数据可能会被强制转换为任意数量的不同格式。下面假设您希望所有内容都在一个数据框中，其中每一行都是XML文件中的一个物种节点，而列表示不同的信息。
在尝试提取信息时，我通常发现使用列表比使用XML更容易。
doc <- xmlTreeParse(xml_file, ignoreBlanks = TRUE)
doc_list <- xmlToList(doc)一旦它出现在列表中，你就可以找出物种数据的存储位置：
sapply(x, function(x)unique(names(x)))
[[1]]
NULL
[[2]]
NULL
[[3]]
NULL
[[4]]
[1] "species"
[[5]]
[1] "reaction"
[[6]]
[1] "metaid"
$.attrs
[1] "level" "version"因此，您实际上只需要doc_list[[4]]格式的信息。只看一下doc_list[[4]]的第一个组件
str(doc_list[[4]][[1]])
List of 9
$ : chr "FORMULA: C20H21N7O7"
$ : chr "CHARGE: -2"
$ : chr "HEPATONET_1.0_ABBREVIATION: HC00212"
$ : chr "EHMN_ABBREVIATION: C00234"
$ : chr "http://identifiers.org/obo.chebi/CHEBI:57454"
$ : chr "http://identifiers.org/pubchem.compound/C00234"
$ : chr "http://identifiers.org/hmdb/HMDB00972"
$ : Named chr "#_metaM_10fthf_c"
..- attr(*, "names")= chr "about"
$ .attrs: Named chr [1:9] "M_10fthf_c" "1" "false" "false" ...
..- attr(*, "names")= chr [1:9] "id" "initialConcentration" "constant" "hasOnlySubstanceUnits" ...因此，您拥有包含在前八个列表中的信息，以及包含在属性中的信息。
获取属性信息很容易，因为它已经命名了。下面将属性信息格式化为每个节点的数据帧：
doc_attrs <- lapply(doc_list[[4]], function(x) {
x <- unlist(x[names(x) == ".attrs"])
col_names <- gsub(".attrs.", "", names(x))
x <- data.frame(matrix(x, nrow = 1), stringsAsFactors = FALSE)
colnames(x) <- col_names
x
})一些节点似乎没有属性信息，因此返回了空的数据帧。这导致了后来的问题，所以我在它们的位置创建了NAs的数据帧：
doc_attrs_cols <- unique(unlist(sapply(doc_attrs, colnames)))
doc_attrs[sapply(doc_attrs, length) == 0] <-
lapply(doc_attrs[sapply(doc_attrs, length) == 0], function(x) {
df <- data.frame(matrix(rep(NA, length(doc_attrs_cols)), nrow = 1))
colnames(df) <- doc_attrs_cols
df
})在提取非属性数据时，变量的名称和值通常包含在同一个字符串中。我最初试图想出一个正则表达式来提取名称，但它们的格式都如此不同，以至于我放弃了，只是确定了这个特定数据集中的所有可能性：
flags <- c("FORMULA:", "CHARGE:", "HEPATONET_1.0_ABBREVIATION:",
"EHMN_ABBREVIATION:", "obo.chebi/CHEBI:", "pubchem.compound/", "hmdb/HMDB",
"INCHI: ", "kegg.compound/", "kegg.genes/", "uniprot/", "drugbank/")此外，有时非属性信息只是作为值的列表保存，就像我在上面显示的节点中一样，而有时它包含在“注释”和“注释”子列表中，因此我必须包括一条if else语句以使其更一致。
doc_info <- lapply(doc_list[[4]], function(x) {
if(any(names(x) != ".attrs" & names(x) != "")) {
names(x)[names(x) != ".attrs"] <- ""
x <- unlist(do.call("c", as.list(x[names(x) != ".attrs"])))
} else {
x <- unlist(x[names(x) != ".attrs"])
}
x <- gsub("http://identifiers.org/", "", x)
need_names <- names(x) == ""
names(x)[need_names] <- gsub(paste0("(", paste0(flags, collapse = "|"), ").+"), "\\1", x[need_names], perl = TRUE)
#names(x) <- gsub("\\s+", "", names(x))
x[need_names] <- gsub(paste0("(", paste0(flags, collapse = "|"), ")(.+)"), "\\2", x[need_names], perl = TRUE)
col_names <- names(x)
x <- data.frame(matrix(x, nrow = 1), stringsAsFactors = FALSE)
colnames(x) <- col_names
x
})要将所有内容整合到一个数据框架中，我建议使用plyr包的rbind.fill。
require(plyr)
doc_info <- do.call("rbind.fill", doc_info)
doc_attrs <- do.call("rbind.fill", doc_attrs)
doc_all <- cbind(doc_info, doc_attrs)
dim(doc_all)
[1] 3972 22
colnames(doc_all)
[1] "FORMULA:" "CHARGE:" "HEPATONET_1.0_ABBREVIATION:" "EHMN_ABBREVIATION:"
[5] "obo.chebi/CHEBI:" "pubchem.compound/" "hmdb/HMDB" "about"
[9] "INCHI: " "kegg.compound/" "kegg.genes/" "uniprot/"
[13] "drugbank/" "id" "initialConcentration" "constant"
[17] "hasOnlySubstanceUnits" "name" "metaid" "boundaryCondition"
[21] "sboTerm" "compartment" Stack Overflow用户
发布于 2013-05-02 18:36:56
存在一个SBML解析库libSBML (http://sbml.org/Software/libSBML)。
这包括一个到R的绑定，它允许在R中使用类似于
document = readSBML(filename);
errors = SBMLErrorLog_getNumFailsWithSeverity(
SBMLDocument_getErrorLog(document),
enumToInteger("LIBSBML_SEV_ERROR", "_XMLErrorSeverity_t")
);
if (errors > 0) {
cat("Encountered the following SBML errors:\n");
SBMLDocument_printErrors(document);
q(status=1);
}
model = SBMLDocument_getModel(document);
if (is.null(model)) {
cat("No model present.\n");
q(status=1);
}
species = Model_getSpecies(model, index_of_species);
id = Species_getId(species);
conc = Species_getInitialConcentration(species)每个可能的属性都有一个Species_get(NameOfAttribute)函数；还有Species_isSet(NameOfAttribute)、Species_set(NameOfAttribute)和Species_unset(NameOfAttribute)。
该API类似于与任何SBML元素交互。
libSBML发行版包括R安装程序，这些安装程序可从
http://sourceforge.net/projects/sbml/files/libsbml/5.8.0/stable
导航到您选择的操作系统和体系结构对应的R_interface子目录。
libSBML的源代码发行版包含一个examples/r目录，其中包含许多在R环境中使用libSBML与SBML进行交互的示例。
Stack Overflow用户
发布于 2013-05-02 09:43:42
作为部分答案，文档使用了名称空间，而‘种’是'id‘名称空间的一部分。所以
> xpathSApply(doc, "//id:species", xmlGetAttr, "id", namespaces="id")
[1] "M_10fthf_c" "M_10fthf_m" "M_13dampp_c" "M_h2o_c" "M_o2_c"
[6] "M_bamppald_c" "M_h2o2_c" "M_nh4_c" "M_h_m" "M_nadph_m"
... id:species和namespaces="id"与您上面所演示的有所不同。
https://stackoverflow.com/questions/16327822
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号