Question

我正在使用Duncan Temple Lang的XML包的xmlParse和xPathApply在R中读取UTF-8编码的XML文件。我有问题从文件中读取文本到各种语言的数据框。我目前在Windows操作系统上，但这个R脚本将在不同的机器上使用，所以我需要一个适合所有人的解决方案。请参阅下面的示例XML文件：

<?xml version="1.0" encoding="UTF-8"?>
<CATALOG>
    <L1 lang="zh-TW">使用者識別碼</L1>
    <L2 lang="vi-VN">ID người dùng</L2>
</CATALOG>

此文本值以编码格式显示，如分别为<U+4F7F><U+7528><U+8005><U+8B58><U+5225><U+78BC>，ID nguo`i du`ng。请注意，这只是一个示例，实际的XML文件包含不同语言的文本。

代码段：

library(XML)
library(plyr)

getValues <- function(x) {
  List <- list()

  if(inherits(x, "XMLInternalElementNode")) {
    if(length(xmlValue(x, recursive=FALSE)) != 0) {
      List[[length(List)+1]] <- c(node = xmlName(x), value = xmlValue(x, recursive=FALSE))
    }
  }

return(List)
}

visitNode <- function(node, xpath = "//node()") {
  if (is.null(node)) {
    return()
  }

  result <- xpathSApply(node, path = xpath, getValues)

  if(is.list(result)) {
    dt <<- rbind.fill(lapply(result,function(y){as.data.frame(do.call(rbind, y),stringsAsFactors=FALSE)}))
  }
} 


xtree <- xmlParse("C:/Users/I308232/Desktop/test.xml")
root <- xmlRoot(xtree)
dt <- data.frame(node = NA, value = NA)
visitNode(root)
dt

sessionInfo（）输出：

R version 3.1.2 (2014-10-31)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_Australia.1252        LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                           LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] RODBC_1.3-10 plyr_1.8.1   XML_3.98-1.1

loaded via a namespace (and not attached):
[1] Rcpp_0.11.3 tools_3.1.2

任何帮助将不胜感激。感谢。

Answer 1

我不知道如何将Excel文件转换为其他语言，但是希望这可以帮助您阅读该文件。

当Excel电子表格的文件名和工作表名称具有不同的扩展名（即.csv，.xlsx，.txt等）时，在RStudio中可能会发生UTF-8编码的XML错误，如下所示。

beantraitData = read_xlsx("traits_file_dev_sep.xlsx");
names(beantraitData)
"X..xml.version.1.0.encoding.UTF.8.."

在这种情况下，出现错误是因为文件名是 traits_file_dev_sep.xlsx ，而工作表的名称（您可以在页面底部附近的标签中看到）是 traits_file_dev_sep.csv 。

在Lubuntu中将.csv文件转换为.xlsx文件后，这发生在我身上。

如何在R中读取UTF-8编码的XML文件

1 个答案: