如何替换 R 中 XML 元素内的文本？

Question

我有一个输入 xml 文件。

猫样本.xml

<Text>
    &lt;p&gt;ABC &lt;/p&gt;
</Text>

R 脚本

library(XML)
doc = xmlTreeParse("sample.xml", useInternal = TRUE)
top<-xmlRoot(doc)

sub("&lt;","<",top[[1]])

我该如何解决 pblm 以上问题？

错误信息：as.vector(x, "character") 中的错误： 无法将类型“externalptr”强制转换为“字符”类型的向量

编辑：目的是对 xml 中的特定节点使用 readHTMLTable() 函数，该节点具有 html 表，但它具有用于 > 和 > 和 <），因为 readHTMLTable 函数不能处理 xml 标记。

Answer 1

现在是您真正问题的答案：

带有编码表的sample.xml：

<Text>
&lt;table&gt;
&lt;tr&gt;&lt;td&gt;1&lt;/td&gt;&lt;td&gt;2&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td&gt;2&lt;/td&gt;&lt;td&gt;8&lt;/td&gt;&lt;/tr&gt;
&lt;tr&gt;&lt;td&gt;4&lt;/td&gt;&lt;td&gt;32&lt;/td&gt;&lt;/tr&gt;
&lt;/table&gt;
</Text>

阅读：

> library(XML)
> doc = xmlTreeParse("sample.xml", useInternal = TRUE)
> top<-xmlRoot(doc)

转换成文字：

> table=xmlValue(top)
> table
[1] "\n<table>\n<tr><td>1</td><td>2</td></tr>\n<tr><td>2</td><td>8</td></tr>\n<tr><td>4</td><td>32</td></tr>\n</table>\n"

现在可以提供给readHTMLTable。无需字符串转换：

> readHTMLTable(table)
$`NULL`
  V1 V2
1  1  2
2  2  8
3  4 32

怎么样？

Answer 2

如果您的问题是要知道如何替换 XML 节点内容中的字符串，那么您可以使用您提供的 sample.xml 文件检查以下代码：

## Parse the XML file
doc <- xmlTreeParse("sample.xml", useInternal = TRUE)
## Select the nodes we want to update
nodes <- getNodeSet(doc, "//Text")
## For each node, apply gsub on the content of the node
lapply(nodes, function(n) {
  xmlValue(n) <- gsub("ABC","foobar",xmlValue(n))
})

这会给你：

R> doc
<?xml version="1.0"?>
<Text>
    &lt;p&gt;foobar &lt;/p&gt;
</Text>

在这里你可以看到“ABC”被“foobar”取代了。

但是，如果您尝试使用您想要实现的替代代码（将“<”替换为“

doc <- xmlTreeParse("sample.xml", useInternal = TRUE)
nodes <- getNodeSet(doc, "//Text")
lapply(nodes, function(n) {
  xmlValue(n) <- gsub("&lt;","<",xmlValue(n))
})

会给你：

R> doc
<?xml version="1.0"?>
<Text>
    &lt;p&gt;ABC &lt;/p&gt;
</Text>

为什么？如果您正在使用 XML 文件，您应该知道某些字符，主要是 、& 和 " 是保留的，因为它们是基本 XML 语法的一部分。因此，它们不能出现在节点的内容中，否则会解析会失败。所以它们被替换为entities，这是对这些字符的一种编码。例如，“

所以这里，你节点的内容中包含了一个“

所以，如果你想要实现的是转换你的字符串 "<p>ABC </p>"到一个新的 XML 节点“

ABC

”，你不能那样做。一个解决方案是解析您的文本字符串，从中检测节点的名称和（此处为“p”），使用xmlNode() 创建一个新节点，为其提供文本内容“ABC”并将字符串替换为刚刚创建的节点。

另一种快速而肮脏的方法是首先替换文件中的所有实体而不解析 XML。像这样：

txt <- readLines(file("sample.xml"))
txt <- gsub("&lt;", "<", txt)
txt <- gsub("&gt;", ">", txt)
writeLines(txt, file("sample2.xml"))
doc2 <- xmlTreeParse("sample2.xml", useInternal = TRUE)

这给出了：

R> doc2
<?xml version="1.0"?>
<Text>
  <p>ABC </p>
</Text>

但是这是危险的，因为如果有一个“真实的”“<”文件中的实体，解析将失败。

Answer 3

用xmlValue获取节点的值并替换。这里我将把 ABC 换成 DEF：

> top<-xmlRoot(doc)
> top
<Text>
    &lt;p&gt;ABC &lt;/p&gt;
</Text> 
> xmlValue(top)=sub("ABC","DEF",xmlValue(top))
> top
<Text>
    &lt;p&gt;DEF &lt;/p&gt;
</Text> 

我不尝试替换

> substr(xmlValue(top),6,6)=="<"
[1] TRUE

虽然我尝试过使用 xmlTreeParse 和其他 XML 包函数的一些选项，但我似乎无法阻止 xmlValue 解释它们...