Question

这里的问题是某些XML文件在某些情况下不包含某些节点，例如示例代码中的“year”节点。 xpathApply会直接忽略它，但是，我希望xmlValue与NA一起使用原始订单。看起来这与此post不相似。

xml_string = c(
'<?xml version="1.0" encoding="UTF-8"?>',
'<movies>',
'<movie mins="126" lang="eng">',
'<title>Good Will Hunting</title>',
'<director>',
'<first_name>Gus</first_name>',
'<last_name>Van Sant</last_name>',
'</director>',
'<year>1998</year>',
'<genre>drama</genre>',
'</movie>',
'<movie mins="106" lang="spa">',
'<title>Y tu mama tambien</title>',
'<director>',
'<first_name>Alfonso</first_name>',
'<last_name>Cuaron</last_name>',
'</director>',
'<genre>drama</genre>',
'</movie>',
'<movie mins="106" lang="spa">',
'<title>ABC</title>',
'<director>',
'<first_name>Alfonso</first_name>',
'<last_name>Cuaron</last_name>',
'</director>',
'<year>2001</year>',
'<genre>drama</genre>',
'</movie>',
'</movies>')

library(XML)
movies_xml = xmlParse(xml_string, asText = TRUE)
unlist(xpathApply(movies_xml, "//year", xmlValue))

结果是：

[1] "1998" "2001"

如何快速获得：

"1998" NA "2001"

Answer 1

您可以编写一个函数来用NA替换丢失的节点并折叠多个节点。

xmlGetValue <- function(x, node){
  a <- xpathSApply(x, node, xmlValue)
  ifelse(length(a) == 0, NA, 
   ifelse(length(a) > 1, paste(a, collapse=", "), a))
}

xpathSApply(movies_xml, "//movie", xmlGetValue, "./year")
[1] "1998" NA     "2001"

Answer 2

您可以使用XPath boolean测试每个父节点：

xpathSApply(movies_xml, "//movies/movie", function(x) {
  if (xpathSApply(x, "boolean(./year)")) {
    xpathSApply(x, "./year", xmlValue)
  } else {
    NA
  }
})

## [1] "1998" NA     "2001"

对于那些使用xml2的用户，请按照以下步骤进行操作：

library(xml2)

doc <- read_xml(paste0(xml_string, collapse="\n"))
movies <- xml_find_all(doc, "//movies/movie")
sapply(movies, function(x) {
  tryCatch(xml_text(xml_find_one(x, "./year")),
           error=function(err) NA)
})

Answer 3

考虑将电影节点将xml字符串传递给数据帧，并从年份列创建一个列表：

movies_xml = xmlParse(xml_string, asText = TRUE)
xmldf <-xmlToDataFrame(nodes = getNodeSet(movies_xml, "//movie"))
yearlist <- c(xmldf[3])

输出

$year
[1] "1998" NA     "2001"

如果R中的XML文件中不存在节点，如何使用xpathApply获取NA？

3 个答案: