OK, her er min løsning.
Jeg poster et mere detaljeret svar på min Persagen.com blog.
Grundlæggende besluttede jeg at ophæve DO $$DECLARE ...
fremgangsmåde (beskrevet i SO 49950384) til fordel for den forenklede fremgangsmåde nedenfor.
Jeg kan derefter få adgang til den delte BASH / PSQL variabel, :bash_var
, således:
xpath('//metabolite', XMLPARSE(DOCUMENT convert_from(pg_read_binary_file(:'bash_var'))))
Her er et eksempel på et SQL-script, der illustrerer denne brug:
hmdb.sql
\c hmdb
CREATE TABLE hmdb_identifiers (
id SERIAL,
accession VARCHAR(15) NOT NULL,
name VARCHAR(300) NOT NULL,
cas_number VARCHAR(12),
pubchem_cid INT,
PRIMARY KEY (id),
UNIQUE (accession)
);
\echo '\n[hmdb.sql] bash_var:' :bash_var '\n'
-- UPDATE (2019-05-15): SEE MY COMMENTS BELOW RE: TEMP TABLE!
CREATE TEMP TABLE tmp_table AS
SELECT
(xpath('//accession/text()', x))[1]::text::varchar(15) AS accession
,(xpath('//name/text()', x))[1]::text::varchar(300) AS name
,(xpath('//cas_registry_number/text()', x))[1]::text::varchar(12) AS cas_number
,(xpath('//pubchem_compound_id/text()', x))[1]::text::int AS pubchem_cid
-- FROM unnest(xpath('//metabolite', XMLPARSE(DOCUMENT convert_from(pg_read_binary_file('hmdb/hmdb.xml'), 'UTF8')))) x
FROM unnest(xpath('//metabolite', XMLPARSE(DOCUMENT convert_from(pg_read_binary_file(:'bash_var'), 'UTF8')))) x
;
INSERT INTO hmdb_identifiers (accession, name, cas_number, pubchem_cid)
SELECT lower(accession), lower(name), lower(cas_number), pubchem_cid FROM tmp_table;
DROP TABLE tmp_table;
SQL-scriptnoter:
-
I xpath-sætningerne omarbejdede jeg
::text
(f.eks.:::text::varchar(15)
) ifølge Postgres-tabelskemaet. -
Mere markant, hvis jeg ikke gjorde det omforme datatyperne i xpath-sætningen og en feltindgang (f.eks.
name
længde) overskredet SQLvarchar(300)
længdegrænse, disse data gav en PSQL-fejl, og tabellen blev ikke opdateret (dvs. en tom tabelresultater).
Jeg uploadede XML-datafilerne, der blev brugt i dette svar på denne Gist
https://gist.github.com/victoriastuart/d1b1959bd31e4de5ed951ff4fe3c3184
Direkte links:
-
hmdb_metabolites_5000-01.xml
-
hmdb_metabolites_5000-02.xml
-
hmdb_metabolites_5000-03.xml
-
Kilde:HMDB.ca
- Citat
OPDATERING (2019-05-15)
Som opfølgningsarbejde, som er beskrevet i mit forskningsblog-indlæg Eksport af almindelig tekst til PostgreSQL, indlæser jeg XML-data direkte i PostgreSQL i stedet for at bruge midlertidige tabeller.
TL/DR. I det projekt observerede jeg følgende forbedringer.
Parameter | Temp Tables | Direct Import | Reduction
Time: | 1048 min | 1.75 min | 599x
Space: | 252,000 MB | 18 MB | 14,000x