OK, här är min lösning.
Jag lägger upp ett mer detaljerat svar på min Persagen.com-blogg.
I grund och botten bestämde jag mig för att upphäva DO $$DECLARE ...
tillvägagångssätt (beskrivs i SO 49950384) till förmån för det förenklade tillvägagångssättet nedan.
Jag kan sedan komma åt den delade BASH / PSQL variabeln, :bash_var
, alltså:
xpath('//metabolite', XMLPARSE(DOCUMENT convert_from(pg_read_binary_file(:'bash_var'))))
Här är ett exempel på ett SQL-skript som illustrerar denna användning:
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-skriptanteckningar:
-
I xpath-satserna omarbetar jag
::text
(t.ex.:::text::varchar(15)
) enligt Postgres-tabellschemat. -
Mer påtagligt, om jag inte gjorde det omarbeta datatyperna i xpath-satsen och en fältpost (t.ex.
name
length) överskred SQLvarchar(300)
längdgräns, dessa data gav ett PSQL-fel och tabellen uppdaterades inte (dvs. en tom tabell resulterade).
Jag laddade upp XML-datafilerna som användes i det här svaret vid den här Gist
https://gist.github.com/victoriastuart/d1b1959bd31e4de5ed951ff4fe3c3184
Direktlänkar:
-
hmdb_metabolites_5000-01.xml
-
hmdb_metabolites_5000-02.xml
-
hmdb_metabolites_5000-03.xml
-
Källa:HMDB.ca
- Citat
UPPDATERING (2019-05-15)
I efterföljande arbete, som beskrivs i mitt forskningsblogginlägg Exportera vanlig text till PostgreSQL, laddar jag in XML-data direkt i PostgreSQL istället för att använda tillfälliga tabeller.
TL/DR. I det projektet observerade jag följande förbättringar.
Parameter | Temp Tables | Direct Import | Reduction
Time: | 1048 min | 1.75 min | 599x
Space: | 252,000 MB | 18 MB | 14,000x