xmlでdocumentに対して、テキストの数値がarticle-id_pmidであったらpassageの中のparagraphにfirstが含まれていたら抽出するというプログラムを作成しています。
paragraph抽出は、containsを用いたのですがテキストの数値がarticle-id_pmidであるかという箇所が分からなかったので教えて頂きたいです.(xpathを用いてpmidを抽出して、テキストの数値と一致させるとかですかね?)
article-id_pmidとparagraphが違うpassageの中にあるので難しいのかなとも少し思いました
take.py
from bs4 import BeautifulSoup
import csv
#xmlファイル読み込み
with open('1.xml','r',encoding='utf-8') as xml:
soup = BeautifulSoup(xml, 'xml')
#passageの中のparagraphにfirstが含まれていたら抽出
texts = soup.select('''
passage >
infon[key="type"]:-soup-contains("paragraph") ~ text:-soup-contains("first")
''')
text = [t.text for t in texts]
xml.close()
#実行結果を指定のファイルに保存
with open ('take.txt','w')as txt:
print(text,file=txt)
txt.close
1.txt
1111
2222
1.xml
<collection>
<document>
<id>32691</id>
<passage>
<infon key="article-id_pmid">1111</infon>
</passage>
<passage>
<infon key="section_type">INTRO</infon>
<infon key="type">paragraph</infon>
<text>which was first diagnosed in Wuhan. </text>
</passage>
</document>
<document>
<id>31435</id>
<passage>
<infon key="article-id_pmid">2222</infon>
</passage>
<passage>
<infon key="section_type">INTRO</infon>
<infon key="type">paragraph</infon>
<text>>Challenges for Vaccinologists in the first. </text>
</passage>
</document>
<document>
<id>35643</id>
<passage>
<infon key="article-id_pmid">3333</infon>
</passage>
<passage>
<infon key="section_type">INTRO</infon>
<infon key="type">paragraph</infon>
<text>>decreased trade, high unemployment. </text>
</passage>
</document>
</collection>