Question

我正在使用来自clinicaltrials.gov的XML文件，其结构如下：

<clinical_study>
  ...
  <brief_title>
  ...
  <location>
    <facility>
      <name>
      <address>
        <city>
        <state>
        <zip>
        <country>
    </facility>
  </location>
  <location>
    ...
  </location>
  ...
</clinical_study>

我正在从多个XML文件中收集信息，因此每个文件中的位置数量未知，甚至可能为零。我需要提取有关每个位置的所有信息并保存到SQL表中。我已经成功地使用XML包中的函数从单个节点中提取信息，例如

library(XML)
nct_url <- "http://clinicaltrials.gov/ct2/show/NCT00112281?resultsxml=true"
xml_doc <- xmlParse(nct_url, useInternalNode=TRUE)
title_path <- "/clinical_study/brief_title" 
title_text <- xpathSApply(xml_doc, title_path, xmlValue)

我正在尝试使用getNodeSet，这给了我一组正确的长度：

doc <- xmlParse("NCT00007501.xml")
locations <- getNodeSet(doc, "/clinical_study/location")
length(locations)
[1] 22
> class(locations)
[1] "XMLNodeSet"

但是我从这个集合中提取信息的尝试大多没有结果。有什么建议吗？

Answer 1

这是一个例子

 ns <- getNodeSet(xml, '//clinical_results/outcome_list/outcome/analysis_list/analysis/method')
 element_cnt <-length(ns))
 strings<-paste(sapply(ns, function(x) { xmlValue(x) }),collapse="|"))

Answer 2

我不明白为什么你不再使用xpathSApply来检索你已经为标题所做的位置了？！

xpathSApply(xml_doc, "//clinical_study/location" , xmlValue)

Answer 3

此代码会将与临床试验中<location>对应的节点子集放入数据框中：

library(XML)
clinicalTrialUrl <- "http://clinicaltrials.gov/ct2/show/NCT01480479?resultsxml=true"
xmlDoc <- xmlParse(clinicalTrialUrl, useInternalNode=TRUE)
locations <- xmlToDataFrame(getNodeSet(xmlDoc,"//location"))

在这种情况下，有221个位置。但是，代码假设有一种扁平结构，并将子节点组合在一起。例如，<facility>下的任何内容都会连接成一个字符串。我可以进入子节点并将它们逐个放入数据帧中。

在R中，如何循环重复的XML节点，并将文本值保存在列表中？

3 个答案: