Question

这是我在这里的第一篇文章，所以请原谅发布指南中的任何错误

我试图从pubmed读取xml数据，以提取作者关联的数据

每个条目都包含一组节点，如下所示：

<AuthorList>
          <Author>
            <LastName>Serra-Blasco</LastName>
            <ForeName>Maria</ForeName>
            <Initials>M</Initials>
            <AffiliationInfo>
              <Affiliation>Department of Psychiatry, Hospital de la Santa Creu i Sant Pau, Biomedical Research Institute Sant Pau (IIB Sant Pau), Universitat AutÃ²noma de Barcelona (UAB), Centro de InvestigaciÃ³n BiomÃ©dica en Red de Salud Mental (CIBERSAM), Barcelona, Catalonia, Spain.</Affiliation>
            </AffiliationInfo>
          </Author>
          ...

我想最终得到一个包含每个作者姓名和联盟的数据框。

我尝试使用xpathSApply来解析读取＆＃34; //作者＆＃34;的节点，最后得到一个xml节点列表。

进一步解析被证明是一个问题：我编写的代码适用于此列表中的单个元素;

例如，如果列表是authorlist

我可以使用此函数（在元素中使用xpathSApply）为authorlist[[1]]提取适当的数组

但是当我尝试在这个函数周围进行lapply时，它会给我一个错误，指出它无法在列表上执行xpathApply。确切的错误调用是：

UseMethod中的错误（＆＃34; xpathApply＆＃34;）：没有适用的方法＆＃39; xpathApply＆＃39;应用于类＆＃34;列表＆＃34;
的对象

我猜测lapply用等价的[i]调用列表子集，而我需要的是[[i]]。有没有解决的办法？或者我是否还要考虑其他一些规则？

我可以改写（这只是我正在做的一些事情）但这个问题似乎很有意思，希望你能帮忙！

Answer 1

在使用html / xml文件时，我更喜欢使用rvest包。基于您的简单示例：

library(rvest)
myxml<-read_xml("author.xml")

lastname<-xml_text(xml_nodes(myxml,"LastName"))
firstname<-xml_text(xml_nodes(myxml,"ForeName"))
affiliation<-xml_text(xml_nodes(myxml,"Affiliation"))
df<-data.frame(firstname, lastname, affiliation)

如果xml文件的结构发生更改，则调用data.frame命令将出错，并且需要一些额外的工作来正确解析文件。

Answer 2

显示产生错误的代码会有所帮助，但您可以尝试xmlToDataFrame

url <- "http://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=pubmed&id=23620451&rettype=XML"
doc <- xmlParse(url)

xmlToDataFrame(doc["//Author"])
           LastName ForeName Initials                   AffiliationInfo
1      Serra-Blasco    Maria        M Department of Psychiatry...Spain.
2          Portella  Maria J       MJ                              <NA>
3       Gómez-Ansón  Beatriz        B                              <NA>
...

如果你得到的节点有零个或多个标签，我通常会创建一个函数来将缺失的标签设置为NA，并使用一个分隔符来连接多个标签。

authors <- getNodeSet(doc, "//Author")

xpath2 <-function(x, path){
     y <- xpathSApply(x, path, xmlValue)
     ifelse(length(y)==0, NA, 
        ifelse(length(y)>1, paste(y, collapse=", "), y))
}

last <- sapply(authors, xpath2, ".//LastName")
aff <- sapply(authors, xpath2, ".//Affiliation")
data.frame(last, aff)
               last                               aff
1      Serra-Blasco Department of Psychiatry...Spain.
2          Portella                              <NA>
3       Gómez-Ansón                              <NA>

lapply在xml对象列表上

2 个答案: