Question

使用R和XML包我正在解析大量的XML文件。作为数据处理的一部分，我现在需要在一长串节点中，每个节点有多少具有特定名称的子节点（节点数可以超过20.000）

我目前的做法是：

nChildrenWithName <- xpathSApply(doc, path="/path/to/node/*", namespaces=ns, xmlName) == 'NAME'
nChildren <- xpathSApply(doc, path="/path/to/node", namespaces=ns, fun=xmlSize)
nID <- sapply(split(nChildrenWithName, rep(seq(along=nChildren), nChildren)), sum)

这是矢量化，因为我可以得到它。我仍然觉得这可以使用正确的XPATH表达式在一次调用中实现。我对XPATH的了解有限，所以如果有人知道怎么做，我会很感激一些见解......

最佳托马斯

Answer 1

如果我正确理解了这个问题，可以使用XML：

<path>
  <to>
    <node>
      <NAME>A</NAME>
      <NAME>B</NAME>
      <NAME>C</NAME>
    </node>
    <node>
      <NAME>X</NAME>
      <NAME>Y</NAME>
    </node>
  </to>
  <to>
    <node>
      <NAME>AA</NAME>
      <NAME>BB</NAME>
      <NAME>CC</NAME>
    </node>
  </to>
</path>

并且需要的是每个NAME下的node个元素的数量 - 在上面的示例中为3个，2个，3个。

这在XPath 1.0中是不可能的：表达式可以返回节点列表或单个值 - 但不是计算值列表。

使用XPath 2.0，您可以写：

for $node in /path/to/node return count($node/NAME)

或简单地说：

/path/to/node/count(NAME)

（你可以测试它们here）

Answer 2

library(XML)
doc <- xmlTreeParse(
  system.file("exampleData", "mtcars.xml", package="XML"),
  useInternalNodes=TRUE      )
xpathApply(xmlRoot(doc),path="count(//variable)",xmlValue)

Answer 3

考虑MiMo

提到的例子

<path>
  <to>
    <node>
      <NAME>A</NAME>
      <NAME>B</NAME>
      <NAME>C</NAME>
    </node>
    <node>
      <NAME>X</NAME>
      <NAME>Y</NAME>
    </node>
  </to>
  <to>
    <node>
      <NAME>AA</NAME>
      <NAME>BB</NAME>
      <NAME>CC</NAME>
    </node>
  </to>
</path>

获取/ path / to / node

下的子项数

library(XML)
doc = xmlParse("filename", useInternalNodes = TRUE)
rootNode = xmlRoot(doc)
childnodes = xpathSApply(rootNode[[1]][[1]], ".//NAME", xmlChildren)
length(childnodes)
[1] 3

它会给你3个，类似于得到第二个节点下的孩子数，只需相应地传递索引，

childnodes = xpathSApply(rootNode[[1]][[2]], ".//NAME", xmlChildren)
length(childnodes)
[1] 2

我希望它会对你有所帮助。

使用XML和R有效地获取具有特定名称的子项数

3 个答案: