R 中的 XPath：选择值

Question

我有一个 XML 文件，如下所示：

<?xml version="1.0"?>
<!DOCTYPE pathway SYSTEM "http://www.kegg.jp/kegg/xml/KGML_v0.7.1_.dtd">
<!-- Creation date: Sep 1, 2014 12:00:13 +0900 (GMT+09:00) -->
<pathway name="path:hsa04010" org="hsa" number="04010"
         title="MAPK signaling pathway"
         image="http://www.kegg.jp/kegg/pathway/hsa/hsa04010.png"
         link="http://www.kegg.jp/kegg-bin/show_pathway?hsa04010">
    <entry id="1" name="cpd:C00338" type="compound"
        link="http://www.kegg.jp/dbget-bin/www_bget?C00338">
        <graphics name="C00338" fgcolor="#000000" bgcolor="#FFFFFF"
             type="circle" x="138" y="743" width="8" height="8"/>
    </entry>
    <entry id="2" name="hsa:5923 hsa:5924" type="gene"
        link="http://www.kegg.jp/dbget-bin/www_bget?hsa:5923+hsa:5924">
        <graphics name="RASGRF1, CDC25, CDC25L, GNRP, GRF1, GRF55, H-GRF55, PP13187, ras-GRF1..." fgcolor="#000000" bgcolor="#BFFFBF"
             type="rectangle" x="392" y="236" width="46" height="17"/>
    <relation entry1="47" entry2="40" type="PPrel">
        <subtype name="activation" value="--&gt;"/>
    </relation>
    <relation entry1="46" entry2="40" type="PPrel">
        <subtype name="activation" value="--&gt;"/>
    </relation>
    <relation entry1="45" entry2="40" type="PPrel">
        <subtype name="activation" value="--&gt;"/>
    </relation>

我想做的是：

提取具有type="gene"的entrychildren的所有id和name属性，并将它们存储在list/dictionary/dataframe中以后用。
提取relationchildren的所有属性，并存储在类似的结构中。

我刚刚开始 XML 解析，我一直在尝试阅读 Whosebug 中的其他问题以及网络上的各种常见问题解答，但我似乎无法理解工作。我可以根据上面的 (1) 执行以下操作和 select 所有节点：

data = xmlTreeParse('~/Downloads/hsa04010.xml')
root = xmlRoot(data)
getNodeSet(root, '/pathway/entry[@type="gene"]')

... 可以正常工作，但我不知道如何获取两个单独的值（在第二种情况下所有这些值）并将它们存储在某个地方。我试过了

getNodeSet(root, '/pathway/entry[@type="gene"]/@id')

...但这只会给我一个错误：

Error in (function (classes, fdef, mtable)  : 
      unable to find an inherited method for function ‘saveXML’ for signature ‘"XMLAttributeValue"’

即使它有效，我也只会得到 id 属性，而不是我想要的 name。但是看到我似乎无法获得甚至只有一个属性值，好吧......

Answer 1

你可以试试

lapply(data['/pathway/entry[@type="gene"]/@id | /pathway/entry[@type="gene"]/*//@name'], as, "character")
# [[1]]
# [1] "2"
# 
# [[2]]
# [1] "RASGRF1, CDC25, CDC25L, GNRP, GRF1, GRF55, H-GRF55, PP13187, ras-GRF1..."
# 
# [[3]]
# [1] "activation"
# 
# [[4]]
# [1] "activation"
# 
# [[5]]
# [1] "activation"

和

xpathApply(data, '/pathway/entry[@type="gene"]//relation', xmlAttrs)
# [[1]]
# entry1  entry2    type 
# "47"    "40" "PPrel" 
# 
# [[2]]
# entry1  entry2    type 
# "46"    "40" "PPrel" 
# 
# [[3]]
# entry1  entry2    type 
# "45"    "40" "PPrel

编辑：

data 是

data <-  xmlParse('<?xml version="1.0"?>
  <!DOCTYPE pathway SYSTEM "http://www.kegg.jp/kegg/xml/KGML_v0.7.1_.dtd">
  <!-- Creation date: Sep 1, 2014 12:00:13 +0900 (GMT+09:00) -->
  <pathway name="path:hsa04010" org="hsa" number="04010"
title="MAPK signaling pathway"
image="http://www.kegg.jp/kegg/pathway/hsa/hsa04010.png"
link="http://www.kegg.jp/kegg-bin/show_pathway?hsa04010">
  <entry id="1" name="cpd:C00338" type="compound"
link="http://www.kegg.jp/dbget-bin/www_bget?C00338">
  <graphics name="C00338" fgcolor="#000000" bgcolor="#FFFFFF"
type="circle" x="138" y="743" width="8" height="8"/>
  </entry>
  <entry id="2" name="hsa:5923 hsa:5924" type="gene"
link="http://www.kegg.jp/dbget-bin/www_bget?hsa:5923+hsa:5924">
  <graphics name="RASGRF1, CDC25, CDC25L, GNRP, GRF1, GRF55, H-GRF55, PP13187, ras-GRF1..." fgcolor="#000000" bgcolor="#BFFFBF"
type="rectangle" x="392" y="236" width="46" height="17"/>
  <relation entry1="47" entry2="40" type="PPrel">
  <subtype name="activation" value="--&gt;"/>
  </relation>
  <relation entry1="46" entry2="40" type="PPrel">
  <subtype name="activation" value="--&gt;"/>
  </relation>
  <relation entry1="45" entry2="40" type="PPrel">
  <subtype name="activation" value="--&gt;"/>
  </relation>
</entry>
</pathway>', asText = TRUE)

Answer 2

KEGGgraph 包中有一个 KGML 解析器可能会有所帮助。查看小插图了解详情

library(KEGGgraph)
url <- "http://rest.kegg.jp/get/hsa04010/kgml"
x <- parseKGML(url)

您还可以直接解析 url，然后使用此处建议的不同 xpath 查询或类似 xmlAttrsToDataFrame 之类的东西，这在新的 XML for data sciences in R 书中进行了解释。

doc <- xmlParse(url)
genes <- XML:::xmlAttrsToDataFrame(doc["//entry[@type='gene']"])

relations <- XML:::xmlAttrsToDataFrame(doc["//relation"])
relations
    entry1 entry2  type
1       47     40 PPrel
2       46     40 PPrel
3       45     40 PPrel
4       44     39 PPrel
5       43     38 PPrel
...

R 中的 XPath：选择值

XPath in R: selecting values

xml

xpath

r

bioinformatics

编辑：