基本的XML包问题--如何返回匹配条目的其他属性？

Question

我已经下载了一个XML数据库(Cellosaurs-https://web.expasy.org/cellosaurus/)，我试图使用R中的XML包查找一个细胞系名的所有拼写错误，并返回拼写错误和加入。

我以前从未使用过XML或XPath表达式，而且我遇到了真正的困难，所以我也希望在我的问题中使用正确的术语。

我以如下方式加载了数据库：

doc <- XML::xmlInternalTreeParse(file)

我可以看到一个示例条目，如下所示：

<cell-line category="Cancer cell line">
  <accession-list>
    <accession type="primary">CVCL_6774</accession>
  </accession-list>
  <name-list>
    <name type="identifier">DOV13</name>
  </name-list>
  <comment-list>
    <comment category="Misspelling"> DOR 13; In ArrayExpress E-MTAB-2706, PubMed=25485619 and PubMed=25877200 </comment>
  </comment-list>

我想我已经找到了所有的拼写错误(这已经有点用处了)：

mispelt <- XML::getNodeSet(doc, "//comment[@category=\"Misspelling\"]")

但现在我不知道如何获得与每个拼写错误相关的加入。也许我应该使用不同的功能？

有人能帮我解决问题或指点我一个简单的XML包教程吗？

Answer 1

一个不完整的例子是很难帮助的。但其基本思想是在树结构上导航，以获取所需的数据。我使用了更最新的xml2包，但对于XML也应该有相同的想法。例如

library(xml2)

xx <- read_xml("cell.xml")
nodes <- xml_find_all(xx, "//comment[@category=\"Misspelling\"]")
xml_find_first(nodes, ".//../../accession-list/accession") |> xml_text()
# [1] "CVCL_6774"

目前还不清楚您是否有多个注释，或者您的数据是如何构造的。如果有多个节点，则可能需要在第一个节点之后的第二个节点选择器lapply或purrr::map。