xml形式のgenbankデータから分類情報などを取り出す

登録配列用スクリプト

Genbankの配列情報に関するxmlからは
以下のスクリプトでtaxon情報を取り出すことができる

import xml.etree.ElementTree as ET 

tree = ET.parse("./gene_file.xml") 
root = tree.getroot()

for child in root.findall('GBSeq'):
   accession = child.find('GBSeq_accession-version').text
   taxon = child.find('GBSeq_taxonomy').text
   for child in child.findall('GBSeq_feature-table'):
       for child in child.findall('GBFeature'):
           for child in child.findall('GBFeature_quals'):
               for child in child.findall('GBQualifier'):
                   if child.find('GBQualifier_value') is not None:
                       taxon_id = child.find('GBQualifier_value').text
                       if('taxon:' in taxon_id):
                           taxon_id_out = taxon_id
                   else:
                       taxon_id_out = ""
   out +=(accession+"\t"+taxon_id_out+ "\t"+ taxon +"\n")

with open("out10.taxon.txt", mode='w') as f:
   f.write(out)

なんで書いたか

flat fileからのパースがめんどくさい＋例外が置きまくるので、xmlからの読み込み、抽出に挑戦した。