2

我有一个 xml-tei 文件：

#in R
doc  <- xmlTreeParse("FILE_NAME" , useInternalNodes=TRUE, encoding="UTF-8")
ns  =  c(ns =  "http://www.tei-c.org/ns/1.0")
namespaces = ns
getNodeSet(doc,"//* and //@*", ns) 
doc

我正在查看我的 xml-tei中的两个元素：<l>and<w>和属性 (1) for<l>和@xml:id(2) for <w> type="verb"and ana="#confrontation #action #ANT"：

#example of element <l> and its child <w> in XML-TEI FILE    
<l n="5b-6a" xml:id="ktu1.3_ii_5b-6a">
 <w>[...]</w>
 <w type="verb" ana="#MḪṢ01 #confrontation #action #ANT" xml:id="ktu1-3_ii_l5b-6a_tmtḫṣ" lemmaRef="uga/verb.xml#mḫṣ">tmtḫṣ</w>
 <g>.</g>
</l>

我使用该功能getNodeSet

#in R
l_cont <- getNodeSet(doc, "//ns:l[(@xml:id)]", ns) 
l_cont

当然它显示了里面的所有元素和属性<l>。但我想只选择相关的属性及其值，有这样的东西：

#in R
xml:id="ktu1.3_ii_5b-6a"
type="verb" ana="#confrontation #action #ANT"

根据另一篇文章Load XML to Dataframe in R with parent node attributes的建议，我做了：

#in R
attrTest <- function(x) {
 attrTest01 <- xmlGetAttr(x, "xml:id")
 w <- xpathApply(x, 'w', function(w) {
  ana <- xmlGetAttr(w, "ana")
  if(is.null(w))
 data.frame(attrTest01, ana)
 })
do.call(rbind, w)
}
res <- xpathApply(doc, "//ns:l[(@xml:id)]", ns ,attrTest)
temp.df <- do.call(rbind, res)

但它不起作用......我得到了错误：

> res <- xpathApply(doc, "//ns:l[(@xml:id)]", ns ,attrTest)
Error in get(as.character(FUN), mode = "function", envir = envir) : 
objet 'http://www.tei-c.org/ns/1.0' de mode 'function' introuvable
> temp.df <- do.call(rbind, res)
Error in do.call(rbind, res) : objet 'res' introuvable

你有什么建议吗？提前谢谢

4

1 回答 1

1

我建议使用 R-package tei2r。( https://rdrr.io/github/michaelgavin/tei2r/ ) 这个包在处理 TEI 编码文件时帮助了我。

从这个包中，我将使用函数 importTexts 来导入文档，并使用 parseTEI 函数来获取您正在寻找的确切节点。

导入和提取的另一种方法可能是：

read_tei <- function(folder) {
  list.files(folder, pattern = '\\.xml$', full.names = TRUE) %>%
    map_dfr(~.x %>% parseTEI(.,node = "INSERT_NODE_TO_FIND") %>%tibble())
}

text <- read_tei("/Path/to/file").
于 2021-07-14T14:26:32.890 回答