如果我有R中加載XML，例如：解析不規則的XML中的R

library(XML) 
top <- newXMLNode("top") 
tvp <- newXMLNode("TVP", parent = top) 
time <- newXMLNode("time", "2012-01-01", parent = tvp) 
value <- newXMLNode("value", "123", parent = tvp) 
comment <- newXMLNode("comment",parent = tvp) 
qualifer <-newXMLNode("qualifier", attrs = c(y = 'abc'), parent = comment) 
commentText <-newXMLNode("info", attrs = c(y = 'something'), parent = comment) 
tvp <- newXMLNode("TVP", parent = top) 
time <- newXMLNode("time", "2012-01-02", parent = tvp) 
value <- newXMLNode("value", "456", parent = tvp) 
tvp <- newXMLNode("TVP", parent = top) 
time <- newXMLNode("time", "2012-01-03", parent = tvp) 
value <- newXMLNode("value", "789", parent = tvp) 
comment <- newXMLNode("comment",parent = tvp) 
newXMLNode("qualifier", attrs = c(y = 'efg'), parent = comment) 
top

生成的XML：

<top> 
    <TVP> 
    <time>2012-01-01</time> 
    <value>123</value> 
    <comment> 
     <qualifier y="abc"/> 
     <info y="something"/> 
    </comment> 
    </TVP> 
    <TVP> 
    <time>2012-01-02</time> 
    <value>456</value> 
    </TVP> 
    <TVP> 
    <time>2012-01-03</time> 
    <value>789</value> 
    <comment> 
     <qualifier y="efg"/> 
    </comment> 
    </TVP> 
</top>

我怎樣才能得到一個數據框是正確（即在正確的。地方）包括限定詞和信息屬性？

這幾乎工作，但不完全：

DF <- xmlToDataFrame(top,stringsAsFactors=FALSE)

結果是這樣的：

 time value comment 
1 2012-01-01 123   
2 2012-01-02 456 <NA> 
3 2012-01-03 789

我如何獲得：

我真正需要的是一種方式來獲得的評論的子節點屬性：

 time value qualifer  info 
1 2012-01-01 123  abc something 
2 2012-01-02 456     
3 2012-01-03 789  efg

來源

2013-08-30 JPMac

側問題/評論/警告 - 這些線路兩者碰撞RStudio： '限定符< - xpathApply（頂部，「//限定符/ @ y」）的'' 限定符< - xpathApply（xmlRoot（top），「// qualifier/@ y」）我不知道爲什麼。 – JPMac

請嘗試以下操作。對於每個TVP找到所有後代葉利用在當前TVP節點的.//*[not(*)] xpath表達式，其中.裝置在當前點開始，即，和//*手段遍歷所有後代但[not(*)]它限制到僅具有沒有孩子的那些。然後爲每個TVP創建一個值列表（或者如果沒有值，則爲屬性）一個列表組件。在最後一行是每個列表組件轉換成一個矩陣，並使用plyr的rbind.fill.matrix把矩陣一起：

xp <- xpathApply(top, "/top/TVP", xpathSApply, ".//*[not(*)]", function(x) 
     setNames(ifelse(nzchar(xmlValue(x)), xmlValue(x), xmlAttrs(x)), xmlName(x))) 
library(plyr) 
do.call(rbind.fill.matrix, lapply(xp, t))

順便說一句，我的Windows圖形用戶界面系統（無RStudio）對您的評論的代碼也應聲。

UPDATE：溶液的次要縮短

來源

2013-08-30 19:41:53

我從來沒有見過setNames，但它立即進入我的劇目（太棒了！）。我不遵循：'.//*[not(*）]'在做什麼......但它有效。 – JPMac

已經添加了該xpath表達式的一些解釋。 –

試試下面的代碼：

require(plyr) ### provides rbind.fill 
getDataframe <- function(xml){ 
out2 <- xmlSApply(xml,function(x){ 
out <- xmlSApply(x, function(y){ 
    if(length(xmlChildren(y)) > 1){xmlSApply(y,xmlAttrs) 
    }else{xmlValue(y)}}) 
    as.data.frame(t(unlist(out))) ## rbind.fill likes dataframes 
    }) 
    return(do.call(rbind.fill,out2)) 
} 
getDataframe(top)

這裏的想法是：

檢查如果XML組件有子;然後用xmlAttrs
如果沒有孩子使用xmlValue
這給了我們一個清單，但我們需要一個data.frame
由於某些價值觀缺失，我們從plyr包
最後rbind.fill需要我們需要一些智能轉換（as.data.frame）使rbind.fill開心

來源

2013-08-30 19:04:29

不錯。我假設'return（do.call（rbind.fill，out3））'應該是'return（do.call（rbind.fill，out2））'？另外，它沒有選擇最後一個限定符（'efg'，它只有一個孩子）。我的猜測是，if（length（xmlChildren（y））> 1）'應該是類似於if（length（xmlChildren（y））> = 1）'......但是當我這樣做時，我得到一個錯誤....我仍然在搞這個。 – JPMac

是的;它應該是out0 –

解析不規則的XML中的R

我如何獲得：

回答

相關問題