Python 从XML文件创建字典

我有一个和

XML

文件，该文件如下所示：

<?xml version="1.0" encoding ="utf8"?>
<rebase>
  <Organism>
    <Name>Aminomonas paucivorans</Name>
      <Enzyme>M1.Apa12260I</Enzyme>
        <Motif>GGAGNNNNNGGC</Motif>
      <Enzyme>M2.Apa12260I</Enzyme>
        <Motif>GGAGNNNNNGGC</Motif>
  </Organism>
  <Organism>
    <Name>Bacillus cellulosilyticus</Name>
      <Enzyme>M1.BceNI</Enzyme>
        <Motif>CCCNNNNNCTC</Motif>
      <Enzyme>M2.BceNI</Enzyme>
        <Motif>CCCNNNNNCTC</Motif>
  </Organism>

然而，这本词典似乎漏掉了不少词条。我似乎能理解问题所在。任何帮助都将不胜感激

编辑

一个用户发布了一个解决方案，但随后将其删除，但我可以及时复制它：

for each_organism in rebase.findall('Organism'):
        try:
            enzyme = each_organism.find('Enzyme').text
        except AttributeError:
            continue
        data_dict[enzyme] = []
        for motif in each_organism.findall('Motif'):
            data_dict[enzyme].append(motif.text)
    return data_dict

然而，本案中返回的措辞是错误的，原因如下：

酶基序对是独一无二的。这样1种酶只有1个基序。在我的文件中，一种酶只出现一次，一个基序可以出现多次，但它属于不同的酶，所以这对酶是独一无二的。编辑下的代码所做的是：

---

假设并使用motif

GATC

酶解-M.APaI，另一个

M.APaII

酶解-motif

TCAG

。这两种酶非常相似（仅在最后一个字符

I

中有所不同）。代码将两个基序结合到第一个酶上，产生

{M.ApaI:['GATC'，'TCAG']}

我看到的第一个大问题是，你只在任何给定的生物体内搜索第一个酶。如果您想找到每种酶的发生率，应使用：

 for enzyme in each_organism.findall('Enzyme'):
     # add to dictionary here

第二个问题是XML的格式与您似乎正在使用字典构建的数据关系不匹配。在XML中，酶、Motif和Name都是有机体的子对象，但您将Motif指定为与酶键关联的值。你不可能知道，当你迭代的时候，哪一个应该与另一个相关联，因为它们在对象中没有任何逻辑上的分离

我可能误解了您的目的，但似乎构建有机体和酶类对象比将两个（显然）不相关的概念强制转换为键值关系更好

这可能看起来是这样的，并封装您的字段：

class Organism:
    # where enzymes is an iterable of Enzyme
    def __init__(self, name, enzymes):
        self.name = name
        self.enzymes = enzymes

你的目标是：

class Enzyme:
    # where motifs is an iterable of string
    def __init__(self, motifs):
        self.motifs = motifs

所有这些仍然需要对XML文件进行某种更改。除非您只是逐行解析它（这显然不是XML的重点），否则我想不出任何简单的方法，您现在就能够找出哪些基序属于哪个酶

编辑：当你询问如何在每个酶节点上进行相当盲目的迭代时，假设你总是有一个单一的名称元素，每个酶有一个基序，名称后的每个元素都是酶，然后是基序（例如e-M-e-M等），你应该能够做到：

i = 0
enzymes = []
motifs = []

for element in each_organism:
    # skip the first Name child
    if i == 0:
        continue
    # if we're at an odd index, indicating an enzyme
    if i % 2 == 1:
        enzymes.append(element.text)
    # if we're at an even index, indicating the related motif
    elif i % 2 == 0:
        motifs.append(element.text)

    i += 1

---

然后，假设我提出的每一个假设，可能还有更多的假设（我甚至不是100%确定etree总是自上而下地迭代元素），都是正确的，Motions中任何给定索引的任何Motion都将属于酶中相同索引的酶。如果我还没有说清楚的话：这是难以置信的脆弱代码。

你只是在寻找每个生物体的第一种酶，然后迭代所有的

基序，不管它们是否属于那种酶，看起来。你确定那是对的吗？然后（这会导致数据丢失）覆盖
酶的所有
基序
——但即使构建了所有
基序
的列表，它们仍然会绑定到错误的
酶
…是否有一种粗略的方法，可以逐行读取文件，并将每个酶和基序聚集为一个键值对（如果它们同时出现）？我知道这会破坏XML格式的全部用途，但它会work@Beginner好吧，根据我更好的判断，我已经制定了一个方法，你可能会做到这一点。不过，请记住我的警告。谢谢。我有一些类似的东西，看起来很有效。@初学者如果有帮助的话，如果你能选择答案就太好了。
i = 0
enzymes = []
motifs = []

for element in each_organism:
    # skip the first Name child
    if i == 0:
        continue
    # if we're at an odd index, indicating an enzyme
    if i % 2 == 1:
        enzymes.append(element.text)
    # if we're at an even index, indicating the related motif
    elif i % 2 == 0:
        motifs.append(element.text)

    i += 1