如何提取多个 XML 文件的文件属性并将它们与 XML 提取的数据组合（使用 R）答案

【问题标题】：How to extract file properties of multiple XML files and combine them with the XML extracted data (Using R)如何提取多个 XML 文件的文件属性并将它们与 XML 提取的数据组合（使用 R）
【发布时间】：2021-02-11 09:21:58
【问题描述】：

我对 R 相当陌生，需要一些帮助来（提取和）将文件名和属性与从多个 xml 文件（大约 200 个）中提取的数据组合起来，然后将其转换为数据框。

我正在使用以下脚本来选择 xml 文件，提取数据并将其转换为数据框（并且工作正常）：

library(XML)
library(plyr)

# Select multiple xml files within directory
FileName <- list.files(pattern = "xml$",
                       ignore.case=TRUE,
                       full.names = FALSE)

# Create function to extract data
RI_ID <-function(FileName) {
  doc1 <- xmlParse(FileName) 
  doc <- xmlToDataFrame(doc1["//ObjectList[@ObjectType='pkg']/o"], )
} 

# Convert to dataframe
T1 <- ldply(FileName,RI_ID)

# Rename columns
names(T1)[names(T1) == "a"] <- "UniqueInstallationPackageID"
names(T1)[names(T1) == "b"] <- "PackageVersion_Latest"

# Convert to numeric
FieldToNumeric <- c("UniqueInstallationPackageID", "PackageVersion_Latest")
T1[,FieldToNumeric] <- lapply(T1[,FieldToNumeric], as.numeric)

我想（并且需要一些帮助）：

提取在 Windows 资源管理器中显示的 xml 文件的修改日期；
包括文件名以及修改日期作为最终数据框的一部分。

我已经查看了以下两个来源，但没有成功实施它们：

由于保密协议，我无法分享 xml 文件的示例，但如果需要，可以重命名节点等并提交。感谢您的帮助。

【问题讨论】：

xmlToDataFrame() 中末尾的多余逗号似乎不正确。

标签： r xml dataframe filenames file-properties

【解决方案1】：

只需调整RI_ID 方法即可检索这两条信息（使用file.info 和FileName 变量修改日期/时间）并将这些值绑定到xml 数据框的新列中。在transform() 下方允许使用逗号分隔的赋值向数据框中添加列：

# Create function to extract data
RI_ID <-function(FileName) {
  doc <- xmlParse(FileName) 
  df <- transform(xmlToDataFrame(doc["//ObjectList[@ObjectType='pkg']/o"]),
                  file_name = FileName,
                  file_modified = file.info(FileName)$mtime)
}

【讨论】：