使用 xpathSApply 提取现有节点但 NA 丢失？答案

【问题标题】：Using xpathSApply to extract existing nodes but NA for missing?使用 xpathSApply 提取现有节点但 NA 丢失？
【发布时间】：2018-01-25 08:23:33
【问题描述】：

我有以下 xml：

parsed <- 
<div class="Matches">
<div class="Match">
<div class="MatchType">Singles Match</div>
<div class="MatchResults">
<a href="?id=2&amp;nr=11408&amp;name=Jason+Jordan">Jason Jordan</a> (w/<a href="?id=2&amp;nr=2250&amp;name=Seth+Rollins">Seth Rollins</a>) defeats <a href="?id=2&amp;nr=257&amp;name=Cesaro">Cesaro</a> (w/<a href="?id=2&amp;nr=2641&amp;name=Sheamus">Sheamus</a>) (13:15)</div>
</div>
<div class="Match">
<div class="MatchRecommended">[<span class="TextHighlight"><a href="?id=111&amp;nr=9099">Recommended, Meltzer: ***3/4, CAGEMATCH users: <span class=" Rating Color7">7.17</span></a></span>]</div>
<div class="MatchType">
<a href="?id=5&amp;nr=16">WWE Intercontinental Title</a> Match</div>
<div class="MatchResults">
<a href="?id=2&amp;nr=9967&amp;name=Roman+Reigns">Roman Reigns</a> (c) defeats <a href="?id=2&amp;nr=676&amp;name=Samoa+Joe">Samoa Joe</a> (24:50)            </div>

我正在尝试提取“MatchRecommended”类的部分，并为那些没有“MatchRecommended”类的孩子列出“NA”。

我认为我必须使用 xpathSApply 和 xmlChildren 来提取相关数据，但使用下面的代码，我只能得到 NA：

xpathSApply(parsed, "//*[(@class = 'Match')]", function(x) ifelse(is.null(xmlChildren(x)$a), NA, xmlAttrs(xmlChildren(x)$a, 'href')))
[1] NA NA NA NA NA NA NA

理想情况下，结果如下所示：

[1] NA "Recommended, Meltzer: ***3/4, CAGEMATCH users: 7.17"

关于如何做到这一点的任何想法？

【问题讨论】：

标签： r xml xpathsapply

【解决方案1】：

我将获取匹配节点，然后使用前导“。”查询节点集。所以它相对于当前节点。

parsed <- xmlParse('<div...rest of your XML plus two missing div tags')
nodes <- getNodeSet(parsed, "//div[(@class = 'Match')]")
x <- lapply(nodes, xpathSApply, ".//div[(@class = 'MatchRecommended')]", xmlValue, trim=TRUE)
x

[[1]]
list()

[[2]]
[1] "[Recommended, Meltzer: ***3/4, CAGEMATCH users: 7.17]"

有几种方法可以用 NA 替换那个空列表。

sapply(x, function(y) ifelse(length(y)==0, NA, y))
[1] NA  "[Recommended, Meltzer: ***3/4, CAGEMATCH users: 7.17]"

您也可以使用 xml2 包，因为它返回 NA 而不是空列表。

library(xml2)
parsed <- read_xml('<div...')
nodes <-  xml_find_all(parsed, "//div[(@class = 'Match')]")  
sapply(nodes, function(x) xml_text( xml_find_first(x, ".//div[(@class = 'MatchRecommended')]"), trim=TRUE))

【讨论】：