R中的嵌套XML解析

Question

我编写了以下代码来解析一个简单的 XML 文件。

xmlfile <- xmlTreeParse(inFile$datapath,encoding = "UTF-8")
    xmltop = xmlRoot(xmlfile)
    singlexml <- xmlSApply(xmltop, function(x) xmlSApply(x, xmlValue))
    singlexml_df <- as.data.frame(t(singlexml),row.names=NULL)
    indx <- sapply(singlexml_df, is.list)
    singlexml_df[indx] <- lapply(singlexml_df[indx], function(x) as.character(x))
    singlexml_df

XML：

<?xml version="1.0" encoding="UTF-8"?>
<CATALOG>
    <PLANT>
        <COMMON>Bloodroot</COMMON>
        <BOTANICAL>Sanguinaria canadensis</BOTANICAL>
        <ZONE>4</ZONE>
        <LIGHT>Mostly Shady</LIGHT>
        <PRICE>$2.44</PRICE>
        <AVAILABILITY>031599</AVAILABILITY>
    </PLANT>
    <PLANT>
        <COMMON>Columbine</COMMON>
        <BOTANICAL>Aquilegia canadensis</BOTANICAL>
        <ZONE>3</ZONE>
        <LIGHT>Mostly Shady</LIGHT>
        <PRICE>$9.37</PRICE>
        <AVAILABILITY>030699</AVAILABILITY>
    </PLANT>
</CATALOG>

它被成功解析并转换为数据帧。

但我的新要求是解析嵌套的 XML。

当我尝试解析新的嵌套 XML 时，所有内容都组合在一个列中，并且没有正确地转换为数据框。

我想要 请提供您的建议。

谢谢

Answer 1

我会使用 XPath 来解决这个问题，因为它可以让您更好地控制检索的内容，同时减少对特定结构的依赖。这是一种更加灵活的方法，并且很容易适应其他输入。在您的第一种情况下（使用植物），您可以这样做

library(XML)
plantfile <- xmlParse("plants.xml")
plant.df <- as.data.frame(t(xpathSApply(plantfile,"//PLANT",function(x) xmlSApply(x,xmlValue))))

在您的后一种情况下，假设我们要从警报突出显示中提取包含详细信息的数据框：

library(XML)
alertfile <- xmlParse("alerts.xml")
alert.df <- as.data.frame(t(xpathSApply(alertfile,"//AlertHighlights/Data/Detail",function(x) xmlSApply(x,xmlValue))))

在第一种情况下，使用 XPath 表达式“//PLANT”从文件中检索所有 PLANT 节点（无论它们出现多深）。

在第二种情况下，我们检索作为 Data 节点的子节点的所有 Detail 节点，这些节点是 AlertHighlights 节点的子节点（无论多深）。如果您确定这些是唯一的 Detail 节点，那么我们可以简化为 //Detail。

如果你要经常这样做，我什至会把它包装成一个函数：

xpathToDataFrame <- function(xmlinput,expr) as.data.frame(t(xpathSApply(xmlinput,expr,function(x) xmlSApply(x,xmlValue))))

那我们就可以了

plant.df <- xpathToDataFrame(xmlParse("plants.xml"),"//PLANTS")
alert.df <- xpathToDataFrame(xmlParse("alerts.xml"),"//AlertHighlights/Data/Detail")