如何将非xml解析为xml？ [关闭]答案

【问题标题】：How to parse non xml as xml? [closed]如何将非xml解析为xml？ [关闭]
【发布时间】：2017-04-20 02:11:55
【问题描述】：

http://api.bart.gov/api/stn.aspx?cmd=stns&key=MW9S-E7SL-26DU-VV8V

如何将其移植为 XML 文档？我正在尝试在 R 中解析它。

【问题讨论】：

它是一个 XML 文档，结构正确，read_xml 读取它没有问题。你有什么尝试表明它不起作用？

标签： r xml

【解决方案1】：

可以使用xml2读取解析：

library(xml2)
library(tidyverse)

xml <- read_xml('https://api.bart.gov/api/stn.aspx?cmd=stns&key=MW9S-E7SL-26DU-VV8V')

bart <- xml %>% xml_find_all('//station') %>%    # select all station nodes
    map_df(as_list) %>%    # coerce each node to list, collect to data.frame
    unnest()    # unnest list columns of data.frame

bart
#> # A tibble: 46 × 9
#>                            name  abbr gtfs_latitude gtfs_longitude
#>                           <chr> <chr>         <chr>          <chr>
#> 1  12th St. Oakland City Center  12TH     37.803768    -122.271450
#> 2              16th St. Mission  16TH     37.765062    -122.419694
#> 3              19th St. Oakland  19TH     37.808350    -122.268602
#> 4              24th St. Mission  24TH     37.752470    -122.418143
#> 5                         Ashby  ASHB     37.852803    -122.270062
#> 6                   Balboa Park  BALB     37.721585    -122.447506
#> 7                      Bay Fair  BAYF     37.696924    -122.126514
#> 8                 Castro Valley  CAST     37.690746    -122.075602
#> 9         Civic Center/UN Plaza  CIVC     37.779732    -122.414123
#> 10                     Coliseum  COLS     37.753661    -122.196869
#> # ... with 36 more rows, and 5 more variables: address <chr>, city <chr>,
#> #   county <chr>, state <chr>, zipcode <chr>

【讨论】：

【解决方案2】：

使用库rvest。基本思想是使用 XPath 选择器查找感兴趣的节点 (xml_nodes)，然后使用 xml_text 获取值

library(rvest)

doc <- read_xml("http://api.bart.gov/api/stn.aspx?cmd=stns&key=MW9S-E7SL-26DU-VV8V")
names <- doc %>% 
  xml_nodes(xpath = "/root/stations/station/name") %>%
  xml_text()

names[1:5]

# [1] "12th St. Oakland City Center" "16th St. Mission"             "19th St. Oakland"             "24th St. Mission"            
# [5] "Ashby"

【讨论】：

【解决方案3】：

我在直接使用read_html 中的 URL 时遇到了一些问题。所以我首先使用了readLines。之后，它会找到所有带有<station> 的节点集。将其转换为列表并将其提供给data.table::rbindlist。使用rbindlist的想法来自here

library(xml2)
library(data.table)
nodesets <- read_html(readLines("http://api.bart.gov/api/stn.aspx?cmd=stns&key=MW9S-E7SL-26DU-VV8V")) %>% 
    xml_find_all(".//station")
data.table::rbindlist(as_list(nodesets))

【讨论】：