0

我有一个 XML 文件（TEI 编码的播放），我想将它处理成 R 中的 data.frame，其中 data.frame 的每一行都包含播放的一行、行号、该行的扬声器，场景编号和场景类型。XML 文件的正文如下所示（但更长）：

<text>
<body>
<div1 type="scene" n="1">
    <sp who="fau">
        <l n="30">Settle thy studies, Faustus, and begin</l>
        <l n="31">To sound the depth of that thou wilt profess;</l>
        <l n="32">Having commenced, be a divine in show,</l>
    </sp>
    <sp who="eang">
        <l n="105">Go forward, Faustus, in that famous art,</l>
    </sp>
</div1>
<div1 type="scene" n="2">
    <sp who="sch1">
        <l n="NA">I wonder what's become of Faustus, that was wont to make our schools ring with sic probo.</l>
    </sp>
    <sp who="sch2">
        <l n="NA">That shall we know, for see here comes his boy.</l>
    </sp>
    <sp who="sch1">
        <l n="NA">How now sirrah, where's thy master?</l>
    </sp>
    <sp who="wag">
        <l n="NA">God in heaven knows.</l>
    </sp>   
</div1>
</body>
</text>

该问题似乎与此处和此处提出的问题相似，但我的 XML 文件的结构略有不同，因此两者都没有给我一个可行的解决方案。我设法做到了：

library(XML)
doc <- xmlTreeParse("data/faustus_sample.xml", useInternalNodes=TRUE)

bodyToDF <- function(x){
  scenenum <- xmlGetAttr(x, "n")
  scenetype <- xmlGetAttr(x, "type")
  attributes <- sapply(xmlChildren(x, omitNodeTypes = "XMLInternalTextNode"), xmlAttrs)
  linecontent <- sapply(xmlChildren(x), xmlValue)
  data.frame(scenenum = scenenum, scenetype = scenetype, attributes = attributes, linecontent = linecontent, stringsAsFactors = FALSE)
}

res <- xpathApply(doc, '//div1', bodyToDF)
temp.df <- do.call(rbind, res)

这将返回一个完整的“场景编号”、“场景类型”和“扬声器”的 data.frame，但我无法弄清楚如何将其分解为每一行（并获取相关的行号）。

我尝试将文件作为列表导入（通过 xmlToList），但这给了我一个非常混乱的列表列表，如果我尝试使用 for 循环访问不同的元素，它也会导致很多不同的错误（可怕想法，我知道！）。

理想情况下，我正在寻找一种解决方案，该解决方案既可以处理完整的文件，也可以处理其他类似结构的 XML 文件。

我刚刚开始使用 R 并且完全不知所措。您可以提供的任何帮助将不胜感激。

谢谢你的帮助！

编辑：此处提供完整 xml 文件的副本。

4

1 回答 1

2

为 sp 元素添加了额外的 xpathApply：

bodyToDF <- function(x){
  scenenum <- xmlGetAttr(x, "n")
  scenetype <- xmlGetAttr(x, "type")
  sp <- xpathApply(x, 'sp', function(sp) {
    who <- xmlGetAttr(sp, "who")
    if(is.null(who))
      who <- NA
    line_num <- xpathSApply(sp, 'l', function(l) { xmlGetAttr(l,"n")})
    linecontent = xpathSApply(sp, 'l', function(l) { xmlValue(l,"n")})
    data.frame( scenenum, scenetype, who, line_num, linecontent)
  })
  do.call(rbind, sp)  
}

res <- xpathApply(doc, '//div1', bodyToDF)
temp.df <- do.call(rbind, res)

前 4 列：

# > temp.df[,1:4]
#   scenenum scenetype  who line_num
# 1        1     scene  fau       30
# 2        1     scene  fau       31
# 3        1     scene  fau       32
# 4        1     scene eang      105
# 5        2     scene sch1       NA
# 6        2     scene sch2       NA
# 7        2     scene sch1       NA
# 8        2     scene  wag       NA
于 2015-03-03T08:55:49.480 回答