0

在 xml2 中，可以使用以下方法获取给定节点的 xpath：

xml_path

我想知道从给定文档中提取所有 xpath 的最快方法是什么。即我想找到最终节点，然后向上迭代。

本质上，我正在努力实现这一目标：

library(xml2)

#Read
doc <- read_xml("http://www.w3schools.com/xml/plant_catalog.xml")

#Define a funciton to extract all xpaths:
extract_all_paths<-function(x){
  if (xml_length(x)==0){
    final_vector<-xml_path(x)
  } else{
    final_vector<-list("vector")
    i<-1
    while (length(x)!=0){
      x<-do.call(c,lapply(x,xml_children))
      x_length<-sapply(x,xml_length)
      final_vector[[i]]<-x[x_length==0]
      x<-x[x_length!=0]
      i<-i+1
    }
    final_vector<-do.call(c,final_vector)
    final_vector<-sapply(final_vector,xml_path)
    final_vector
  }
  final_vector
}

#Function to extract everything for a given xpath:
function_extract_values<-function(x,y){
  paste(xml_text(xml_find_all(y,x)),collapse="&&&&")
}

format_file<-function(x){
  x<-xml_ns_strip(x)
  data_path<-data.table(x=xml_children(x))
  data_xpath<-data_path[,extract_all_paths(x),by=1:nrow(data_path)]
  data_xpath[,V1:=gsub("\\[(.*?)\\]","",data_xpath$V1)]
  data_xpath<-data_xpath[!duplicated(V1)]
  data_xpath[,V2:=list(list(x)),by=1:nrow(data_xpath)]
  data_xpath[,value:=function_extract_values(V1,V2[[1]]),by=1:nrow(data_xpath)]
  data_xpath[,V1:=gsub("\\/","_",V1)]
  data_names<-data_xpath$V1
  data_xpath[,V1:=NULL]
  data_xpath[,nrow:=NULL]
  data_xpath[,V2:=NULL]
  data_xpath<-transpose(data_xpath)
  setnames(data_xpath,data_names)
  data_xpath
}
data<-format_file(doc)

本质上，我想解析一个 .xml 文件，然后将其作为一行放到 data.table 中。我目前的解决方案非常慢，如果我有很多文件，也许有人可以提出一些更快的解决方案。

4

1 回答 1

2

可能有更好的方法可以从文档中获取完整的 xpath 列表，但这里有一个解决方案。（也可能有更好的方法来遍历您的 xml 文档以获得所需的内容，但您要求提供所有 xpath 的列表）：

library(XML) #This may work in xml2 but i usually stick with XML

#read document into R and select root
myXML <- xmlTreeParse("myXML.xml", useInternal = TRUE)
top <- xmlRoot(myXML)
#convert XML to list of lists
temp <- xmlToList(top)

#use names of recusive apply to get list of recusive steps through XML
temp <- unique(names(rapply(test, summary, how="unlist")))
#remove the last item created by summary function
temp <- unique(sub("\\.[^.]*$", "", temp))
#remove attributes
temp <- unique(sub("..attrs", "", temp))
#sub . for / to create xpath
temp <- sub("\\.","/", temp)
#add / to start the xpath at the docuemnt root
XPaths <- paste0("/", temp)
于 2017-05-26T17:05:45.500 回答