Невозможно извлечь данные из файлов XML из-за различий в формате

Question

У меня есть скрипт, который принимает кучу файлов XML, все в форме: HMDB61152.xml и тянет их всех в использовании glob, Для каждого файла мне нужно вытащить некоторые детали о каждом, такие как accession, nameи список diseases, Для разбора каждого XML я использовал xmltodict потому что мне традиционно нравится работать со списками, а не с файлами XML, хотя, возможно, мне придется изменить свою стратегию из-за проблем, с которыми я сталкиваюсь.

Я могу тянуть name а также acc легко, поскольку все файлы XML имеют его на одном и том же первом уровне дерева:

пath = '/Users/me/Downloads/hmdb_metabolites' for data_file in glob.glob(os.path.join(path,'*.xml')): diseases=[] with open(data_file) as fd: doc = xmltodict.parse(fd.read()) name = doc['metabolite']['name'] acc = doc['metabolite']['accession']

Таким образом, на данный момент существует три варианта информации о заболевании:

1. Есть несколько disease теги в каждом diseases дерево. Т.е. для данного вступления есть 2 или более заболеваний.
2. Есть один disease в пределах diseases дерево, означающее вступление, имеет только одну болезнь. или же
3. Нет disease в diseases дерево вообще.

Мне нужно написать цикл, который может обрабатывать любые три случая, и именно там я терплю неудачу. Вот мой подход до сих пор:

    #I get the disease root, which returns True if it has lower level items (one or more disease within diseases) 
#or False if there are no disease within diseases. 
    dis_root=doc['metabolite']['diseases']
    if (bool(dis_root)==True):
        dis_init = doc['metabolite']['diseases']['disease']
        if (bool(doc['metabolite']['diseases']['disease'][0]) == True):
            for x in range(0,len(dis_init)):
                diseases.append(doc['metabolite']['diseases']['disease'][x]['name'])
        else: 
            diseases.append(doc['metabolite']['diseases']['disease']['name'])

    else:
        diseases=['None']

Так что проблема в том случае, когда есть несколько заболеваний, мне нужно вытащить их имена в следующем формате: doc['metabolite']['diseases']['disease'][x]['name'] за каждый х при заболеваниях. Но для тех, у кого есть только одна болезнь, у них вообще нет индекса, поэтому единственный способ, которым я могу назвать название этой болезни, это сделать doc['metabolite']['diseases']['disease']['name'],

Сценарий не выполняется, потому что, как только мы сталкиваемся со случаем только одной болезни, он возвращает KeyError, когда пытается проверить, doc['metabolite']['diseases']['disease'][0]) == True, Если кто-то может помочь мне понять это, это было бы замечательно, или направить меня к более подходящей стратегии.

Answer 1

Попробуйте что-то вроде

if 0 in doc['metabolite']['diseases']['disease']:
    pass # if 0 is a key in the array, we have multiple entries
else
    pass # only a single item.

Answer 2

Нашел относительно легкий обходной путь, я просто использую try следующим образом:

try:
            for x in range(0,len(dis_init)):
                    diseases.append(doc['metabolite']['diseases']['disease'][x]['name'])
            except KeyError: 
                diseases.append(doc['metabolite']['diseases']['disease']['name'])