Dado el siguiente XML, ¿cómo puedo asignar el texto del elemento a una variable en Python?

<StudyFieldsResponse>
  <APIVrs>1.01.01</APIVrs>
  <DataVrs>2019:09:26 22:04:24.774</DataVrs>
  <Expression>(AREA[OverallStatus]Recruiting AND cholangiocarcinoma OR AREA[OverallStatus]\&quot;Not Yet Recruiting\&quot; AND cholangiocarcinoma) AND NOT AREA[OverallStatus]Active, not recruiting</Expression>
  <NStudiesAvail>317735</NStudiesAvail>
  <NStudiesFound>182</NStudiesFound>
  <MinRank>1</MinRank>
  <MaxRank>1000</MaxRank>
  <NStudiesReturned>182</NStudiesReturned>
  <StudyFieldsList>
    <StudyFields Rank="1"/>
    <StudyFields Rank="2"/>
    <StudyFields Rank="3"/>
    <StudyFields Rank="4"/>
    <StudyFields Rank="5"/>
    <StudyFields Rank="6"/>
    <StudyFields Rank="7"/>
    <StudyFields Rank="8"/>
    <StudyFields Rank="9"/>
    <StudyFields Rank="10"/>
    <StudyFields Rank="11"/>
    <StudyFields Rank="12"/>
    <StudyFields Rank="13"/>
    <StudyFields Rank="14"/>
    <StudyFields Rank="15"/>
    <StudyFields Rank="16"/>
    <StudyFields Rank="17"/>
    <StudyFields Rank="18"/>
    <StudyFields Rank="19"/>
    <StudyFields Rank="20"/>
    <StudyFields Rank="21"/>
    <StudyFields Rank="22"/>
    <StudyFields Rank="23"/>
    <StudyFields Rank="24"/>
    <StudyFields Rank="25"/>
    <StudyFields Rank="26"/>
    <StudyFields Rank="27"/>
    <StudyFields Rank="28"/>
    <StudyFields Rank="29"/>
    <StudyFields Rank="30"/>
    <StudyFields Rank="31"/>
    <StudyFields Rank="32"/>
    <StudyFields Rank="33"/>
    <StudyFields Rank="34"/>
    <StudyFields Rank="35"/>
    <StudyFields Rank="36"/>
    <StudyFields Rank="37"/>
    <StudyFields Rank="38"/>
    <StudyFields Rank="39"/>
    <StudyFields Rank="40"/>
    <StudyFields Rank="41"/>
    <StudyFields Rank="42"/>
    <StudyFields Rank="43"/>
    <StudyFields Rank="44"/>
    <StudyFields Rank="45"/>
    <StudyFields Rank="46"/>
    <StudyFields Rank="47"/>
    <StudyFields Rank="48"/>
    <StudyFields Rank="49"/>
    <StudyFields Rank="50"/>
    <StudyFields Rank="51"/>
    <StudyFields Rank="52"/>
    <StudyFields Rank="53"/>
    <StudyFields Rank="54"/>
    <StudyFields Rank="55"/>
    <StudyFields Rank="56"/>
    <StudyFields Rank="57"/>
    <StudyFields Rank="58"/>
    <StudyFields Rank="59"/>
    <StudyFields Rank="60"/>
    <StudyFields Rank="61"/>
    <StudyFields Rank="62"/>
    <StudyFields Rank="63"/>
    <StudyFields Rank="64"/>
    <StudyFields Rank="65"/>
    <StudyFields Rank="66"/>
    <StudyFields Rank="67"/>
    <StudyFields Rank="68"/>
    <StudyFields Rank="69"/>
    <StudyFields Rank="70"/>
    <StudyFields Rank="71"/>
    <StudyFields Rank="72"/>
    <StudyFields Rank="73"/>
    <StudyFields Rank="74"/>
    <StudyFields Rank="75"/>
    <StudyFields Rank="76"/>
    <StudyFields Rank="77"/>
    <StudyFields Rank="78"/>
    <StudyFields Rank="79"/>
    <StudyFields Rank="80"/>
    <StudyFields Rank="81"/>
    <StudyFields Rank="82"/>
    <StudyFields Rank="83"/>
    <StudyFields Rank="84"/>
    <StudyFields Rank="85"/>
    <StudyFields Rank="86"/>
    <StudyFields Rank="87"/>
    <StudyFields Rank="88"/>
    <StudyFields Rank="89"/>
    <StudyFields Rank="90"/>
    <StudyFields Rank="91"/>
    <StudyFields Rank="92"/>
    <StudyFields Rank="93"/>
    <StudyFields Rank="94"/>
    <StudyFields Rank="95"/>
    <StudyFields Rank="96"/>
    <StudyFields Rank="97"/>
    <StudyFields Rank="98"/>
    <StudyFields Rank="99"/>
    <StudyFields Rank="100"/>
    <StudyFields Rank="101"/>
    <StudyFields Rank="102"/>
    <StudyFields Rank="103"/>
    <StudyFields Rank="104"/>
    <StudyFields Rank="105"/>
    <StudyFields Rank="106"/>
    <StudyFields Rank="107"/>
    <StudyFields Rank="108"/>
    <StudyFields Rank="109"/>
    <StudyFields Rank="110"/>
    <StudyFields Rank="111"/>
    <StudyFields Rank="112"/>
    <StudyFields Rank="113"/>
    <StudyFields Rank="114"/>
    <StudyFields Rank="115"/>
    <StudyFields Rank="116"/>
    <StudyFields Rank="117"/>
    <StudyFields Rank="118"/>
    <StudyFields Rank="119"/>
    <StudyFields Rank="120"/>
    <StudyFields Rank="121"/>
    <StudyFields Rank="122"/>
    <StudyFields Rank="123"/>
    <StudyFields Rank="124"/>
    <StudyFields Rank="125"/>
    <StudyFields Rank="126"/>
    <StudyFields Rank="127"/>
    <StudyFields Rank="128"/>
    <StudyFields Rank="129"/>
    <StudyFields Rank="130"/>
    <StudyFields Rank="131"/>
    <StudyFields Rank="132"/>
    <StudyFields Rank="133"/>
    <StudyFields Rank="134"/>
    <StudyFields Rank="135"/>
    <StudyFields Rank="136"/>
    <StudyFields Rank="137"/>
    <StudyFields Rank="138"/>
    <StudyFields Rank="139"/>
    <StudyFields Rank="140"/>
    <StudyFields Rank="141"/>
    <StudyFields Rank="142"/>
    <StudyFields Rank="143"/>
    <StudyFields Rank="144"/>
    <StudyFields Rank="145"/>
    <StudyFields Rank="146"/>
    <StudyFields Rank="147"/>
    <StudyFields Rank="148"/>
    <StudyFields Rank="149"/>
    <StudyFields Rank="150"/>
    <StudyFields Rank="151"/>
    <StudyFields Rank="152"/>
    <StudyFields Rank="153"/>
    <StudyFields Rank="154"/>
    <StudyFields Rank="155"/>
    <StudyFields Rank="156"/>
    <StudyFields Rank="157"/>
    <StudyFields Rank="158"/>
    <StudyFields Rank="159"/>
    <StudyFields Rank="160"/>
    <StudyFields Rank="161"/>
    <StudyFields Rank="162"/>
    <StudyFields Rank="163"/>
    <StudyFields Rank="164"/>
    <StudyFields Rank="165"/>
    <StudyFields Rank="166"/>
    <StudyFields Rank="167"/>
    <StudyFields Rank="168"/>
    <StudyFields Rank="169"/>
    <StudyFields Rank="170"/>
    <StudyFields Rank="171"/>
    <StudyFields Rank="172"/>
    <StudyFields Rank="173"/>
    <StudyFields Rank="174"/>
    <StudyFields Rank="175"/>
    <StudyFields Rank="176"/>
    <StudyFields Rank="177"/>
    <StudyFields Rank="178"/>
    <StudyFields Rank="179"/>
    <StudyFields Rank="180"/>
    <StudyFields Rank="181"/>
    <StudyFields Rank="182"/>
  </StudyFieldsList>
</StudyFieldsResponse>

Estoy tratando de crear un registro diario del número de ensayos clínicos disponibles para un cáncer en particular para rastrear el número a lo largo del tiempo.

He probado algunas de las bibliotecas XML, pero no puedo entender lo que está sucediendo ... Estoy seguro de que esto es muy simple para aquellos que tienen experiencia ... TIA

import requests
response = requests.get('https://clinicaltrials.gov/api/query/study_fields?max_rnk=1000&expr=(AREA[OverallStatus]Recruiting+AND+cholangiocarcinoma+OR+AREA[OverallStatus]%5C%22Not+Yet+Recruiting%5C%22+AND+cholangiocarcinoma)+AND+NOT+AREA[OverallStatus]Active,+not+recruiting').text #Storing the XML into res
python xml
0
Matt Reidy 29 sep. 2019 a las 23:06

3 respuestas

La mejor respuesta

Abajo

import requests
import  xml.etree.ElementTree as ET
response = requests.get('https://clinicaltrials.gov/api/query/study_fields?max_rnk=1000&expr=(AREA[OverallStatus]Recruiting+AND+cholangiocarcinoma+OR+AREA[OverallStatus]%5C%22Not+Yet+Recruiting%5C%22+AND+cholangiocarcinoma)+AND+NOT+AREA[OverallStatus]Active,+not+recruiting')
if response.status_code == 200:
    root = ET.fromstring(response.text)
    studies_avail_elem = root.find('.//NStudiesAvail')
    if studies_avail_elem is not None:
        studies_avail = studies_avail_elem.text
        print('Num of available studies: {}'.format(studies_avail))

Salida

Num of available studies: 317735
0
balderman 29 sep. 2019 a las 20:45

Puede usar lxml o BeautifulSoup para obtener texto o atributo, pero debe usar nombres en minúscula

Lxml:

import requests
import lxml.html

r = requests.get('https://clinicaltrials.gov/api/query/study_fields?max_rnk=1000&expr=(AREA[OverallStatus]Recruiting+AND+cholangiocarcinoma+OR+AREA[OverallStatus]%5C%22Not+Yet+Recruiting%5C%22+AND+cholangiocarcinoma)+AND+NOT+AREA[OverallStatus]Active,+not+recruiting')

soup = lxml.html.fromstring(r.text)

print(soup.xpath('//nstudiesavail')[0].text)

for item in soup.xpath('//studyfields'):
    print(item.attrib['rank'])

BeautifulSoup:

import requests
from bs4 import BeautifulSoup as BS

r = requests.get('https://clinicaltrials.gov/api/query/study_fields?max_rnk=1000&expr=(AREA[OverallStatus]Recruiting+AND+cholangiocarcinoma+OR+AREA[OverallStatus]%5C%22Not+Yet+Recruiting%5C%22+AND+cholangiocarcinoma)+AND+NOT+AREA[OverallStatus]Active,+not+recruiting')

soup = BS(r.text)

print(soup.find('nstudiesavail').text)

for item in soup.find_all('studyfields'):
    print(item['rank'])
0
furas 29 sep. 2019 a las 20:26

Estos son los conceptos básicos para crear un solo elemento:

>>> from xml.etree.ElementTree import Element
>>> single_element = Element('study', rank=130)
>>> single_element = Element('study', rank=130, source='NEJM')
>>> single_element.text = 'Find cure for common cold'

Estos son los conceptos básicos para extraer datos de un solo elemento:

>>> print(single_element.tag)
study
>>> print(single_element.attrib)
{'rank': 130, 'source': 'NEJM'}
>>> print(single_element.text)
Find cure for common cold

Atravesar elementos anidados implica los métodos ' find () o findall () :

>>> from xml.etree.ElementTree import fromstring
>>> xml = fromstring(xml_text)
>>> for study_fields in xml.findall('.//StudyFields'):
        print(study_fields.get('Rank'))
        print(study_fields.text)
0
Raymond Hettinger 29 sep. 2019 a las 20:23
58158785

Preguntas relacionadas

30 ¿Cómo fusiono dos diccionarios en una sola expresión?
12 ¿Cómo seleccionar aleatoriamente un elemento de una lista?
21 Extracción de extensión del nombre de archivo en Python
18 Cómo eliminar un elemento de una lista por índice
7 ¿Cómo obtengo el número de elementos en una lista?
16 ¿Cómo analizo XML en Python?
14 Eliminar un elemento de un diccionario

Nuevas preguntas

3 Reste un valor único de la columna numpy conservando la forma de los datos originales
2 ¿Cómo imprimir dos veces el mismo número aleatorio?
5 ¿Cómo puedo dividir el primer elemento de un elemento de lista anidado?
4 break no se rompe while loop. ¿por qué?
2 ¿Cómo reconocer y ejecutar múltiples comandos de una frase en Python?
2 Cómo heredar slug de una clase a otra en los modelos de django
3 Luchando con BeautifulSoup y etiquetas
2 eliminar fila si una columna es mayor que otra
3 Python: mueva cada carácter hasta el final de la cadena sin reutilizar la cadena original
2 sesiones de django recuérdame
Nuevas preguntas con la etiqueta python >

python

Python es un lenguaje de programación multipropósito, de tipificación dinámica y de múltiples paradigmas. Está diseñado para ser rápido de aprender, comprender y usar, y hacer cumplir una sintaxis limpia y uniforme. Tenga en cuenta que Python 2 está oficialmente fuera de soporte a partir del 01-01-2020. Aún así, para preguntas de Python específicas de la versión, agregue la etiqueta [python-2.7] o [python-3.x]. Cuando utilice una variante de Python (por ejemplo, Jython, PyPy) o una biblioteca (por ejemplo, Pandas y NumPy), inclúyala en las etiquetas.

Más sobre python...