因为要读取一个XML格式的数据，学习整理XML包。

1.XML包

1.1. 载入XML文件

有两种方法：

1. 通过函数xmlTreeParse("file.xml")载入xml文件，如果不加入参数，将获得关于这个xml文件的所有信息。所以，这个函数通常配合xmlRoot()使用，比如xmlRoot(xmlTreeParse("file.xml"))以得到xml主体文件。

2. 通过函数xmlTreeParse("file.xml", useInternalNodes = TRUE)来得到加入首行的xml文件主体

library(RCurl)library(XML)urlXPath 语法使用函数getNodeSet(doc, XPath)XPath的常见用法：1. 获取第一个son元素/root/son[1]

getNodeSet(d, "/bookstore/book[1]")

1. 获取最后一个son元素/root/son[last()]

getNodeSet(d, "/bookstore/book[last()]")

1. 获取前两个son元素/root/son[position() 

getNodeSet(d, "/bookstore/book[position() 1. 获取任意son2元素
//son2

getNodeSet(d, "/bookstore/book")getNodeSet(d, "/bookstore/book/title")

1. 获取任意son2的age属性
   //son2[@age]

getNodeSet(d, "//book[@category]")

1. 获取任意son2的age属性等于18的元素
   //son2[@age=18]

getNodeSet(d, "//book[@category='web']")

1. 获取root下所有元素
   /root/*

getNodeSet(d, "/bookstore/*")

1. 获取所有带属性的son元素
   //son[@*]

getNodeSet(d, "//book[@*]")

节点相关函数

1. class(xmltop) # 查看类

2. xmlName(node)：查看根目录名。
   node[[1]]：查看第一个子目录

node[1]]：查看第一个子目录的第二个节点

1. xmlSize(node)：该节点下字节点数量。

2. xmlAttrs(node)：该节点属性。

3. xmlGetAttr(node, attr)：该节点某一属性。

4. xmlValue(node)：该节点值。

5. xmlChildren(node)：该节点下的子节点。

class(d)xmlName(d)xmlSize(d)xmlAttrs(d)xmlAttrs(d[[1]])xmlAttrs(d[[1]][[1]])xmlGetAttr(d[[1]][[1]], "lang")xmlChildren(d[[1]])# 通过以下方式获得的节点类型不同，建议使用getNodeSetd[[1]][[1]]getNodeSet(d, "//book/title")[[1]]getNodeSet(d, "//book[1]/title")

1.3 xmlSApply和xmlApply

1. 读取节点的值

# 读取第一本书的"title"的值d[[1]][[1]][[1]]xmlValue(d[[1]][[1]])xpathSApply(d, "/bookstore/book[1]/title", xmlValue)xpathSApply(d, "//book[1]/title", xmlValue)xpathSApply(d, "//book/title", xmlValue)xpathSApply(d, "//book[1]/title", xmlName)xpathSApply(d, "//book[1]/title", xmlSize)xpathSApply(d, "//book[1]/title", xmlAttrs)# xpathSApply和xpathApply的区别：# xpathSApply是xpathApply读取值的一个因子xpathApply(d, "//book[1]/title", xmlName)xpathApply(d, "//book[1]/title", xmlSize)xpathApply(d, "//book[1]/title", xmlAttrs)

1. 读取节点的属性值

xmlGetAttr(d[[1]][[1]], "lang")title<-getNodeSet(d, "//book[1]/title")title_lang<-sapply(title, xmlGetAttr, "lang")sapply(xmlChildren(d), xmlGetAttr, "category")# 也可以通过该方法读取节点的值title_value<-sapply(title, xmlValue)sapply(xmlChildren(d[["book"]]), xmlValue)

1.4 xml格式转dataframe

book <- getNodeSet(d, "//book")mybook <- sapply(book,xmlValue)# 第一种方式，直接用xmlToDataFrame()函数xmlToDataFrame(d)# 由于book[4]不规范，导致转化失败xmlToDataFrame(xmlChildren(d)[["book"]])xmlToDataFrame(getNodeSet(d, "//book[1]"))xmlToDataFrame(nodes = getNodeSet(d, "//book/title"))# 第二种方式，数据格式处理专用包plyrlibrary("plyr")# 先转成list,再转dataframeMyBooks <- ldply(xmlToList(d), data.frame)MyBooks <- ldply(xmlToList(getNodeSet(d, "//book")), data.frame)# 第三种方式，读取单个值后组合为dataframeauthor <- xpathSApply(d, "//book/author", xmlValue)# 对第四个book的author值做特殊处理author4 <- xpathSApply(d, "//book[4]/author", xmlValue)author4 <- paste(author4, collapse = ", ")author <- c(author[1:3],author4)MyBooks <- data.frame(    category=sapply(xmlChildren(d), xmlGetAttr, "category"),    title=xpathSApply(d, "//book/title", xmlValue),    author,    year=xpathSApply(d, "//book/year", xmlValue),    price=xpathSApply(d, "//book/price", xmlValue))

关键字：r

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！