Question

我试图将一些数据从XML文件导入到R data.frame中。虽然我对R很有经验，但我之前从未使用过XML，所以这一切对我来说都是新鲜事，我觉得有点迷失。

以下提供了XML示例：

<ArchivedIncident ID="100">
    <attributes>
        <entry>
            <key>TEST1</key>
            <value>
                <type>S</type>
                <value/>
            </value>
        </entry>
        <entry>
            <key>TEST2</key>
            <value>
                <type>S</type>
                <value>12</value>
            </value>
        </entry>
        <entry>
            <key>TEST3</key>
            <value>
                <type>T</type>
                <value>A</value>
            </value>
        </entry>
        <entry>
            <key>TEST4</key>
            <value>
                <type>S</type>
                <value/>
            </value>
        </entry>
    </attributes>
</ArchivedIncident>
<ArchivedIncident ID="101">
    <attributes>
        <entry>
            <key>TEST1</key>
            <value>
                <type>S</type>
                <value>BLAH</value>
            </value>
        </entry>
        <entry>
            <key>TEST2</key>
            <value>
                <type>S</type>
                <value/>
            </value>
        </entry>
        <entry>
            <key>TEST3</key>
            <value>
                <type>T</type>
                <value/>
            </value>
        </entry>
        <entry>
            <key>TEST4</key>
            <value>
                <type>S</type>
                <value/>
            </value>
        </entry>
    </attributes>
</ArchivedIncident>

我想要完成的是一个R-data.frame，如下所示：

ID     TEST1    TEST2    TEST3    TEST4
100    NA       12       A        NA
101    BLAH     NA       NA       NA

到目前为止我想出了什么：

使用xml2包，我可以使用以下方式阅读ID：

require(xml2)
doc <- read_xml("./data/file.xml")
df <- data.frame( 
  ID = xml_attr( xml_find_all( doc, ".//ArchivedIncident" ), "ID" )
  )

到目前为止一切顺利，但现在我已经失去了如何提取其余部分。有多个节点，全部命名为＆＃34;条目＆＃34;，＆＃34;值＆＃34;和＆＃34;键入＆＃34;。如何从（用作列名）中提取文本，以及此键的值（后面是以下内容。

复杂因素是，不是每个人都有价值。我想插入一个＆＃34; NA＆＃34;对于空值。在另一种情况下，我可以使用自定义功能，但我不确定（因为我不知道如何提取正确的文本），如果这将在这里工作。

L <- xml_find_all(doc, ".//ArchivedIncident")
FindAllValues <- function(node){
    tmp <- lapply(L, xml_find_all, paste0(".//", node))
    tmp <- lapply(tmp, xml_text)
    tmp[!sapply(tmp, function(y) length(y == 0))] <- NA
    return(tmp)
}

Answer 1

library(xml2)
library(tidyverse)

doc <- read_xml("file.xml")

xml_find_all(doc, ".//ArchivedIncident") %>% # iterate over each incident
  map_df(~{
    set_names(
      xml_find_all(.x, ".//value/value") %>% xml_text(), # get entry values
      xml_find_all(.x, ".//key") %>% xml_text()          # get entry keys (column names)
    ) %>% 
      as.list() %>%                                      # turn named vector to list
      flatten_df() %>%                                   # and list to df
      mutate(ID = xml_attr(.x, "ID"))                    # add id
  }) %>%
  type_convert() %>% # let R convert the values for you
  select(ID, everything()) # get it in the order you likely want
## # A tibble: 2 x 5
##      ID TEST1 TEST2 TEST3 TEST4
##   <int> <chr> <int> <chr> <chr>
## 1   100  <NA>    12     A  <NA>
## 2   101  BLAH    NA  <NA>  <NA>

从XML中提取文本，但文件具有重复的节点名称

1 个答案: