解析选择xml数据到列使用python

我想解析多个XML文件到列/表，但一些XML有不同的数据，有些不重要，而其他数据是重要的。解析选择xml数据到列使用python

即（XML数据）：

<setId root="ABD6ECF0-DC8E"/> 
<component> 
      <section> 
       <id root="F08C6A14-8165-458A-BDC8-0B5878EB814D"/> 
       <code code="34069-5" codeSystem="2.16.840.1.113883.6.1" codeSystemName="LOINC" displayName="HOW SUPPLIED SECTION"/> 
       <title mediaType="text/x-hl7-title+xml">HOW SUPPLIED</title> 
       <text> 
        <paragraph>RENESE (polythiazide) Tablets are available as:</paragraph> 
        <paragraph>1 mg white, scored tablets in bottles of 100 (NDC 0069-3750-66).</paragraph> 
        <paragraph>2 mg yellow, scored tablets in bottles of 100 (NDC 0069-3760-66).</paragraph> 
        <paragraph>4 mg white, scored tablets in bottles of 100 (NDC 0069-3770-66).</paragraph> 
       </text> 
       <effectiveTime value="20051214"/> 
      </section> 
     </component> 

<component> 
      <section> 
       <id root="42CB916B-BB58-44A0-B8D2-89B4B27F04DF"/> 
       <code code="34089-3" codeSystem="2.16.840.1.113883.6.1" codeSystemName="LOINC" displayName="DESCRIPTION SECTION"/> 
       <title mediaType="text/x-hl7-title+xml">DESCRIPTION</title> 
       <text> 
        <paragraph>Renese<sup>&#174;</sup> is designated generically as polythiazide, and chemically as 2<content styleCode="italics">H</content>-1,2,4-Benzothiadiazine-7-sulfonamide, 6-chloro-3,4-dihydro-2-methyl-3-[[(2,2,2-trifluoroethyl)thio]methyl]-, 1,1-dioxide. It is a white crystalline substance, insoluble in water but readily soluble in alkaline solution.</paragraph> 
        <paragraph>Inert Ingredients: dibasic calcium phosphate; lactose; magnesium stearate; polyethylene glycol; sodium lauryl sulfate; starch; vanillin. The 2 mg tablets also contain: Yellow 6; Yellow 10.</paragraph> 
       </text> 
       <effectiveTime value="20051214"/> 
      </section> 
     </component> 
     <component> 
      <section> 

         <manufacturedProduct> 
         <manufacturedMedicine> 
          <code code="0069-3750" codeSystem="2.16.840.1.113883.6.69" codeSystemName="FDA" displayName="NDC"/> 
          <name>Renese</name> 
          <formCode code="C42998" codeSystem="2.16.840.1.113883.3.26.1.1" displayName="TABLET"/> 
         <manufacturedProduct/> 
         <manufacturedMedicine/>

我想最终的结果是这样的（如在SETID，描述和名称是列名）：

SETID

ABD6ECF0-DC8E

描述

Renese被一般性地指定为
多噻，和化学如2H-1,2,4-苯并噻二嗪 -7-磺酰胺，6-氯 -3,4-二氢-2-甲基-3 - [[ （2,2,2,0-三氟乙基）硫代]甲基] - 1,1,1-二氧化物。它是一种白色结晶物质，不溶于水，但易溶于碱性溶液。

名

Renese

来源

2016-07-07 Jon Arenson

如果我理解正确，你正在试图解析从这个网站下载的XML：https://dailymed.nlm.nih.gov/dailymed/drugInfo.cfm?setid=abd6ecf0-dc8e-41de-89f2-1e36ed9d6535

其实这不是一个普通的XML，它的HL7类型和特殊（版本3 {urn：hl7-org：v3}）之一。

为了快速处理这个问题，有一个开源工具（Mirth：https://www.mirth.com/），它可以很好地完成这项工作，并且（Iguana：http://www.interfaceware.com/iguana.html，商业版）。顺便谢谢你的帖子，它给了我一个测试Mirth工具的机会。

在实践中，您需要将XML转换为HL7V3格式，以获得所需的信息。下面是我用于xml的一个频道示例，并提供了输出（https://www.dropbox.com/sh/ibosv56m0monmcj/AACL7t6ZKOi4P-Bwpi75KhUXa?dl=0）。

欲了解更多信息，我建议你看看这里：Convert XML to HL7 messages using Mirth Connect

如果毕竟你需要使用Python，你可以看一下HL7（http://hl7apy.org/）和FIHR（https://pypi.python.org/pypi/fhir/0.0.4）封装。

对于使用python解析常规XML，有几种方法在这里描述：How do I parse XML in Python?（我个人喜欢beautifulsoup和lxml）。

希望能有所帮助。祝你好运

来源

2016-07-09 08:48:18 NajlaBioinfo

解析选择xml数据到列使用python

回答

相关问题