Question

我有以下信息作为嵌套XML文件，我正尝试将其转换为data.frame进行分析和报告：

<node TEXT="Cost">
  <node TEXT="Scale">
    <node TEXT="1 - $0 to $100">
    </node>
    <node TEXT="2 - $100 to $500">
    </node>
    <node TEXT="3 - $500 to $1000">
    </node>
    <node TEXT="4 - $1000 to $5000">
    </node>
    <node TEXT="6 - $5000 +">
    </node>
  </node>
  <node TEXT="Weight">
    <node TEXT="1">
    </node>
  </node>
</node>

我能够读取XML文件并提取一小部分，如下所示：

file <- '<node TEXT="Cost">
  <node TEXT="Scale">
    <node TEXT="1 - $0 to $100">
    </node>
    <node TEXT="2 - $100 to $500">
    </node>
    <node TEXT="3 - $500 to $1000">
    </node>
    <node TEXT="4 - $1000 to $5000">
    </node>
    <node TEXT="6 - $5000 +">
    </node>
  </node>
  <node TEXT="Weight">
    <node TEXT="1">
    </node>
  </node>
</node>
'

data <- read_xml(file)

xml_find_all(data,"//node/node[@TEXT = 'Scale']/node/@TEXT")

但是我真正需要做的是以data.frame的形式获取它，如下所示：

Node1  Node2    Node3
"Cost" "Scale"  "1 - $0 to $100"
"Cost" "Scale"  "2 - $100 to $500"
"Cost" "Scale"  "3 - $500 to $1000"
"Cost" "Scale"  "4 - $1000 to $5000"
"Cost" "Scale"  "5 - $5000 +"
"Cost" "Weight" "1"

有人可以指出我正确的方向吗？

Answer 1

除了使用xslt，您还可以仅遍历节点列表。在这里，我们选择三个节点的所有节点，然后从所有父节点中提取TEXT属性（最后将其与dplyr绑定在一起）

library(dplyr)
xml_find_all(doc,"//node/node/node") %>% lapply(function(x) {
    list(
      NODE1=x %>% xml_parent %>% xml_parent %>% xml_attr("TEXT"),
      NODE2=x %>% xml_parent %>% xml_attr("TEXT"),
      NODE3=x %>% xml_attr("TEXT")
    )
}) %>% bind_rows()

Answer 2

为了重塑XML，我喜欢使用XSLT，它是一种通用的XML转换语言。 R包xslt允许您使用R中的XSLT转换XML文件。

在这种情况下，您可以将其转换为HTML表，可以轻松地使用rvest进行解析：

library(tidyverse)
library(xslt)
library(rvest)
file <- '<node TEXT="Cost">
  <node TEXT="Scale">
    <node TEXT="1 - $0 to $100">
    </node>
    <node TEXT="2 - $100 to $500">
    </node>
    <node TEXT="3 - $500 to $1000">
    </node>
    <node TEXT="4 - $1000 to $5000">
    </node>
    <node TEXT="6 - $5000 +">
    </node>
  </node>
  <node TEXT="Weight">
    <node TEXT="1">
    </node>
  </node>
</node>
'

data <- read_xml(file)

xslt <- '<?xml version="1.0" encoding="UTF-8"?>
    <xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">

      <xsl:template match="/">
        <html><table><xsl:apply-templates select="node/node/node"/></table></html>
      </xsl:template>

      <xsl:template match="node">
        <tr>
        <td><xsl:value-of select="../../@TEXT"/></td>
        <td><xsl:value-of select="../@TEXT"/></td>
        <td><xsl:value-of select="@TEXT"/></td>
        </tr>
      </xsl:template>

    </xsl:stylesheet>'

style <- read_xml(xslt)
xml_xslt(data, style) %>% 
   rvest::html_table() %>% 
   .[[1]]
#>     X1     X2                 X3
#> 1 Cost  Scale     1 - $0 to $100
#> 2 Cost  Scale   2 - $100 to $500
#> 3 Cost  Scale  3 - $500 to $1000
#> 4 Cost  Scale 4 - $1000 to $5000
#> 5 Cost  Scale        6 - $5000 +
#> 6 Cost Weight                  1

使用R和xml2库提取嵌套的XML数据

2 个答案: