使用 XML 和 R 有效地获取具有特定名称的孩子的数量答案

【问题标题】：Efficiently get the number of children with specific name using XML and R使用 XML 和 R 有效地获取具有特定名称的孩子的数量
【发布时间】：2013-04-03 14:55:37
【问题描述】：

我正在使用 R 和包 XML 解析巨大的 XML 文件。作为数据处理的一部分，我现在需要在一长串节点中，每个节点有多少特定名称的子节点（节点数可以超过 20.000）

我目前的做法是：

nChildrenWithName <- xpathSApply(doc, path="/path/to/node/*", namespaces=ns, xmlName) == 'NAME'
nChildren <- xpathSApply(doc, path="/path/to/node", namespaces=ns, fun=xmlSize)
nID <- sapply(split(nChildrenWithName, rep(seq(along=nChildren), nChildren)), sum)

这是我所能得到的矢量化。我仍然觉得这可以使用正确的 XPATH 表达式在一次调用中实现。不过，我对 XPATH 的了解有限，所以如果有人知道该怎么做，我将不胜感激……

最好的托马斯

【问题讨论】：

标签： xml r xpath xml-parsing

【解决方案1】：

library(XML)
doc <- xmlTreeParse(
  system.file("exampleData", "mtcars.xml", package="XML"),
  useInternalNodes=TRUE      )
xpathApply(xmlRoot(doc),path="count(//variable)",xmlValue)

【讨论】：

不幸的是，这给了我节点总数 - 而不是每个父节点。我可能提出这个问题有点奇怪。 MiMo 的示例描述了我想要实现的目标......
是的，请始终按照通常的要求添加示例数据。这样就清楚了。

【解决方案2】：

如果我理解正确的问题，有一个 XML 像：

<path>
  <to>
    <node>
      <NAME>A</NAME>
      <NAME>B</NAME>
      <NAME>C</NAME>
    </node>
    <node>
      <NAME>X</NAME>
      <NAME>Y</NAME>
    </node>
  </to>
  <to>
    <node>
      <NAME>AA</NAME>
      <NAME>BB</NAME>
      <NAME>CC</NAME>
    </node>
  </to>
</path>

需要的是每个 node 下的 NAME 元素的数量 - 所以在上面的示例中是 3、2、3。

这在 XPath 1.0 中是不可能的：表达式可以返回节点列表或单个值 - 但不能返回计算值列表。

使用 XPath 2.0 你可以编写：

for $node in /path/to/node return count($node/NAME)

或者简单地说：

/path/to/node/count(NAME)

（你可以测试他们here）

【讨论】：

谢谢 - 你的问题是对的。很高兴知道当前的 xpath 实现无法做到这一点。我将查找支持 xpath 2 的 XML 包的更新
不客气。我不知道 R，但在我看来 XML/XSLT/XPath 的东西是基于 Saxon 处理器的，它支持 2.0
嗯...据我所见，它基于 AFAIK 仅支持 xpath 1.0 的 libxml2 C 解析器...但再次感谢...
如果您找到解决方案 R/XPATH 2.0，请在此处发布。 Omegathat 中似乎没有。

【解决方案3】：

考虑MiMo提到的例子

<path>
  <to>
    <node>
      <NAME>A</NAME>
      <NAME>B</NAME>
      <NAME>C</NAME>
    </node>
    <node>
      <NAME>X</NAME>
      <NAME>Y</NAME>
    </node>
  </to>
  <to>
    <node>
      <NAME>AA</NAME>
      <NAME>BB</NAME>
      <NAME>CC</NAME>
    </node>
  </to>
</path>

获取 /path/to/node 下的子节点数

library(XML)
doc = xmlParse("filename", useInternalNodes = TRUE)
rootNode = xmlRoot(doc)
childnodes = xpathSApply(rootNode[[1]][[1]], ".//NAME", xmlChildren)
length(childnodes)
[1] 3

它会给你 3，类似地获取第二个节点下的子节点数，只需相应地传递索引，

childnodes = xpathSApply(rootNode[[1]][[2]], ".//NAME", xmlChildren)
length(childnodes)
[1] 2

希望对你有帮助。

【讨论】：