Question

我尝试将XML解析为R数据框。

xml.text <- 
  '<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<recordGroup>
    <period>60</period>
    <record>
        <dateTime>01102015000000</dateTime>
        <field>
            <id>Equipos.0CR02-1.AE</id>
            <value>34.405000</value>
        </field>
        <field>
            <id>Equipos.0CR02-1.API</id>
            <value>160.794000</value>
        </field>
    </record>
    <record>
        <dateTime>01102015001500</dateTime>
    <field>
      <id>Equipos.0CR02-1.AE</id>
      <value>38.309000</value>
    </field>
    <field>
      <id>Equipos.0CR02-1.API</id>
      <value>152.800000</value>
    </field>
  </record>
</recordGroup>'

library(XML)
xml <- xmlParse(xml.text)
indata <- xmlToDataFrame(getNodeSet(xml, "//recordGroup/record")[1])

我只使用一条记录才能使用它。结果是它创建了一个包含两列（ dateTime 和 field ）且只有一行的表。 field 下面的标签之间的所有文字都连接在一起：

    dateTime                                                      field
1 01102015000000 Equipos.0CR02-1.AE34.405000\nEquipos.0CR02-1.API160.794000

由于 dateTime 适用于两个字段结构，因此需要获取长格式表结构：

    dateTime            id               value
1 01102015000000 Equipos.0CR02-1.AE    34.405000
2 01102015000000 Equipos.0CR02-1.API  160.794000
3 01102015001500 Equipos.0CR02-1.AE    38.309000
4 01102015001500 Equipos.0CR02-1.API  152.800000
...

Answer 1

你的xml有点乱，但我们可以解决它：

library(XML)
xml <- xmlParse(xml.text)
xmlout <- do.call(rbind, xpathApply(xml,'//recordGroup/record', xmlToDataFrame))

给你：

            text                  id      value
1 01102015000000                <NA>       <NA>
2           <NA>  Equipos.0CR02-1.AE  34.405000
3           <NA> Equipos.0CR02-1.API 160.794000
4 01102015001500                <NA>       <NA>
5           <NA>  Equipos.0CR02-1.AE  38.309000
6           <NA> Equipos.0CR02-1.API 152.800000

然后，您可以使用tidyr和dplyr

进行清理

library(tidyr)
library(dplyr)

xmlout %>% fill(text) %>%
           na.omit

            text                  id      value
2 01102015000000  Equipos.0CR02-1.AE  34.405000
3 01102015000000 Equipos.0CR02-1.API 160.794000
5 01102015001500  Equipos.0CR02-1.AE  38.309000
6 01102015001500 Equipos.0CR02-1.API 152.800000

如何将复杂的XML解析为R中的长格式数据帧

1 个答案: