Question

我正在使用XML包来提取一些元数据。我找到了一个很好的解决方案来提取作者姓名：https://www.r-bloggers.com/microsoft-office-metadata-with-r/。使用代码的第一行，我得到了：

library(XML)
doc <- xmlInternalTreeParse('<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
    <cp:coreProperties xmlns:cp="http://schemas.openxmlformats.org/package/2006/metadata/core-properties" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:dcmitype="http://purl.org/dc/dcmitype/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
      <dc:title>CHR-nr</dc:title>
      <dc:subject/>
      <dc:creator>XXXXXX</dc:creator>
      <cp:keywords/>
      <dc:description/>
      <cp:lastModifiedBy>XXXXXX</cp:lastModifiedBy>
      <cp:revision>1</cp:revision>
      <cp:lastPrinted>2013-03-22T12:16:00Z</cp:lastPrinted>
      <dcterms:created xsi:type="dcterms:W3CDTF">2013-03-22T12:13:00Z</dcterms:created>
      <dcterms:modified xsi:type="dcterms:W3CDTF">2013-03-22T12:24:00Z</dcterms:modified>
    </cp:coreProperties>', asText=TRUE)

我想从这些行中提取信息：

  <dcterms:created xsi:type="dcterms:W3CDTF">2013-03-22T12:13:00Z</dcterms:created>
  <dcterms:modified xsi:type="dcterms:W3CDTF">2013-03-22T12:24:00Z</dcterms:modified>

使用以下代码（我将使用最后一行作为示例）：

ns=c('dcterms'= 'http://purl.org/dc/elements/1.1/')
date = xmlValue(getNodeSet(doc, '/*/dcterms:modified\ xsi:type=\"dcterms:W3CDTF\"', namespaces=ns)[[1]])

但是我收到了这个错误：

XPath error : Invalid expression
/*/dcterms:modified xsi:type="dcterms:W3CDTF"
                    ^
Error in xpathApply.XMLInternalDocument(doc, path, fun, ..., namespaces = namespaces,  : 
  error evaluating xpath expression /*/dcterms:modified xsi:type="dcterms:W3CDTF"
>

有人可以帮忙写出正确的路径吗？

Answer 1

看起来您没有正确设置命名空间。您需要同时设置dcterms和xsi，并且xpath命名空间中dcterms的URL必须与原始XML文档中使用的URL相同。另外你的XPATH按属性过滤有点过了。试试

ns <- c('dcterms'= 'http://purl.org/dc/terms/', 
     'xsi'="http://www.w3.org/2001/XMLSchema-instance")
xq <- '/*/dcterms:modified[@xsi:type=\"dcterms:W3CDTF\"]'
date <- xmlValue(getNodeSet(doc, xq, namespaces=ns)[[1]])

使用R中的XML包从文件中提取修改日期

1 个答案: