python - 如何使用python获取xml文件中的部分内容？

Question

我已经使用 python 解析了 XML 文件。其中一个标签上写有 ID，然后是氨基酸序列。我只想得到氨基酸序列而不是ID。 标签如下所示:

  <sequences>
    <sequence format="FASTA">&gt;DB00001 sequence
LTYTDCTESGQNLCLCEGSNVCGQGNKCILGSDGEKNQCVTGEGTPKPQSHNDGDFEEIP
EEYLQ</sequence>
  </sequences>

当我使用此代码时:

drug.find('sequences').find('sequence').text

它打印:

>DB00001 sequence
LTYTDCTESGQNLCLCEGSNVCGQGNKCILGSDGEKNQCVTGEGTPKPQSHNDGDFEEIP
EEYLQ

但我只想打印LTYTDCTESGQNLCLCEGSNVCGQGNKCILGSDGEKNQCVTGEGTPKPQSHNDGDFEEIPEEYLQ

非常感谢能解决我的问题的答案。

Answer 1

我使用了模块xml.etree.ElementTree要解析 XML 内容，请找到 <sequence>元素，提取其文本内容，然后处理得到所需的不带ID的氨基酸序列。

import xml.etree.ElementTree as ET

# Sample XML content
xml_content = '''
<sequences>
  <sequence format="FASTA">&gt;DB00001 sequence
LTYTDCTESGQNLCLCEGSNVCGQGNKCILGSDGEKNQCVTGEGTPKPQSHNDGDFEEIP
EEYLQ</sequence>
</sequences>
'''

# Parse the XML content
root = ET.fromstring(xml_content)

# Find the sequence element and extract the text
sequence_element = root.find('.//sequence')
sequence_text = sequence_element.text.strip().split('\n', 1)[1].replace('\n', '')

print(sequence_text)

输出:

LTYTDCTESGQNLCLCEGSNVCGQGNKCILGSDGEKNQCVTGEGTPKPQSHNDGDFEEIPEEYLQ