Oké, hier is mijn oplossing.
Ik plaats een meer gedetailleerd antwoord op mijn Persagen.com-blog.
Kortom, ik heb besloten om de DO $$DECLARE ...
. af te schaffen benadering (beschreven in SO 49950384) ten gunste van de vereenvoudigde benadering, hieronder.
Ik heb dan toegang tot de gedeelde variabele BASH / PSQL, :bash_var
, dus:
xpath('//metabolite', XMLPARSE(DOCUMENT convert_from(pg_read_binary_file(:'bash_var'))))
Hier is een voorbeeld van een SQL-script dat dat gebruik illustreert:
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-scriptopmerkingen:
-
In de xpath-statements herschik ik de
::text
(bijv.:::text::varchar(15)
) volgens het Postgres-tabelschema. -
Belangrijker nog, als ik niet herschik de datatypes in de xpath-instructie en een veldinvoer (bijv.
name
lengte) overschreed de SQLvarchar(300)
lengtelimiet, veroorzaakten die gegevens een PSQL-fout en werd de tabel niet bijgewerkt (d.w.z. er ontstond een lege tabel).
Ik heb de XML-gegevensbestanden geüpload die in dit antwoord worden gebruikt in deze samenvatting
https://gist.github.com/victoriastuart/d1b1959bd31e4de5ed951ff4fe3c3184
Directe links:
-
hmdb_metabolites_5000-01.xml
-
hmdb_metabolites_5000-02.xml
-
hmdb_metabolites_5000-03.xml
-
Bron:HMDB.ca
- Citaat
UPDATE (2019-05-15)
In vervolgwerk, beschreven in mijn onderzoeksblogpost Platte tekst exporteren naar PostgreSQL, laad ik XML-gegevens rechtstreeks in PostgreSQL, in plaats van tijdelijke tabellen te gebruiken.
TL/DR. In dat project zag ik de volgende verbeteringen.
Parameter | Temp Tables | Direct Import | Reduction
Time: | 1048 min | 1.75 min | 599x
Space: | 252,000 MB | 18 MB | 14,000x