如何将XML数据转换为data.frame?

时间:2010-01-14 19:49:38

标签: xml r dataframe

我正在尝试学习R的XML包。我正在尝试从books.xml示例xml数据文件创建data.frame。这是我得到的:

library(XML)
books <- "http://www.w3schools.com/XQuery/books.xml"
doc <- xmlTreeParse(books, useInternalNodes = TRUE)
doc
xpathApply(doc, "//book", function(x) do.call(paste, as.list(xmlValue(x))))
xpathSApply(doc, "//book", function(x) strsplit(xmlValue(x), " "))
xpathSApply(doc, "//book/child::*", xmlValue)

这些xpathSApply中的每一个都没有让我接近我的意图。如何进入格式良好的数据框架?

1 个答案:

答案 0 :(得分:38)

通常情况下,我建议尝试使用xmlToDataFrame()函数,但我相信这实际上相当棘手,因为它的结构不合理。

我建议使用此功能:

xmlToList(books)

一个问题是每本书有多个作者,因此在构建数据框时需要决定如何处理。

一旦您决定如何处理多个作者问题,那么将您的图书清单转换为plyr中ldply()函数的数据框是相当简单的(或者只是使用lapply并转换返回值通过使用do.call(“rbind”...)来进入data.frame。

这是一个完整的例子(不包括作者):

library(XML)
books <-  "w3schools.com/xsl/books.xml"
library(plyr)
ldply(xmlToList(books), function(x) { data.frame(x[!names(x)=="author"]) } )

   .id        title.text title..attrs year price   .attrs
 1 book  Everyday Italian           en 2005 30.00  COOKING
 2 book      Harry Potter           en 2005 29.99 CHILDREN
 3 book XQuery Kick Start           en 2003 49.99      WEB
 4 book      Learning XML           en 2003 39.95      WEB

这是包含作者的样子。您需要在此实例中使用ldply,因为列表是“锯齿状”... lapply无法正确处理。 [否则你可以lapplyrbind.fill一起使用(也是Hadley的礼貌),但是为什么plyr会自动为你做什么呢?]:

ldply(xmlToList(books), data.frame)

   .id        title.text title..attrs              author year price   .attrs
1 book  Everyday Italian           en Giada De Laurentiis 2005 30.00  COOKING
2 book      Harry Potter           en        J K. Rowling 2005 29.99 CHILDREN
3 book XQuery Kick Start           en      James McGovern 2003 49.99      WEB
4 book      Learning XML           en         Erik T. Ray 2003 39.95      WEB
     author.1   author.2   author.3               author.4
1        <NA>       <NA>       <NA>                   <NA>
2        <NA>       <NA>       <NA>                   <NA>
3 Per Bothner Kurt Cagle James Linn Vaidyanathan Nagarajan
4        <NA>       <NA>       <NA>                   <NA>