1

如果我在 R 中加载了 xml,例如:

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> 

如何获得正确(即在正确的位置)包含限定符和信息属性的数据框?

这几乎可以工作,但不完全是:

DF <- xmlToDataFrame(top,stringsAsFactors=FALSE)

结果如下所示:

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

我怎样才能得到:

我真正需要的是一种获取评论子节点属性的方法:

        time value qualifer      info
1 2012-01-01   123      abc something
2 2012-01-02   456                   
3 2012-01-03   789      efg   
4

2 回答 2

1

试试下面的代码:

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)

这里的想法是:

  • 检查 xml 组件是否有子组件;然后使用 xmlAttrs
  • 如果没有孩子使用 xmlValue
  • 这给了我们一个列表,但我们需要一个 data.frame
  • 由于缺少某些值,我们需要 plyr 包中的 rbind.fill
  • 最后,我们需要一些智能转换(as.data.frame)来让 rbind.fill 满意
于 2013-08-30T19:04:29.803 回答
1

试试下面的。.//*[not(*)]对于每个 TVP,使用xpath 表达式查找所有后代叶子,其中.意味着从当前点开始,即在当前 TVP 节点处,//*意味着遍历所有后代,但[not(*)]仅限于没有子节点的后代。然后为每个 TVP 创建一个值列表(或属性,如果没有值)。在最后一行中,它将每个列表组件转换为矩阵并使用 plyrrbind.fill.matrix将矩阵放在一起:

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))

顺便说一句,在我的 Windows GUI 系统(没有 RStudio)上,您评论中的代码也崩溃了。

更新:解决方案的小幅缩短

于 2013-08-30T19:41:53.847 回答