因為要讀取一個XML格式的數據，學習整理XML包。

1.XML包

1.1. 載入XML文件

有兩種方法：

• 通過函數xmlTreeParse("file.xml")載入xml文件，如果不加入參數，將獲得關于這個xml文件的所有信息。所以，這個函數通常配合xmlRoot()使用，比如xmlRoot(xmlTreeParse("file.xml"))以得到xml主體文件。

• 通過函數xmlTreeParse("file.xml", useInternalNodes = TRUE)來得到加入首行的xml文件主體

library(RCurl) library(XML) url<-"http://www.w3school.com.cn/example/xdom/books.xml" #注，也可以為url復制本地文件的路徑 doc<-xmlTreeParse(getURL(url),useInternal = TRUE) d <- xmlRoot(doc)

1.2. 獲取特定的節點

詳細XPath語言見XPath 語法

使用函數getNodeSet(doc, XPath)

XPath的常見用法：

獲取第一個son元素
/root/son[1]

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

獲取最后一個son元素
/root/son[last()]

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

獲取前兩個son元素
/root/son[position() < 3]

getNodeSet(d, "/bookstore/book[position() < 3]")

獲取任意son2元素
//son2

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

獲取任意son2的age屬性
//son2[@age]

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

獲取任意son2的age屬性等于18的元素
//son2[@age=18]

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

獲取root下所有元素
/root/*

getNodeSet(d, "/bookstore/*")

獲取所有帶屬性的son元素
//son[@*]

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

節點相關函數

• class(xmltop) #查看類

• xmlName(node)：查看根目錄名。
  node[[1]]：查看第一個子目錄

node[1]]：查看第一個子目錄的第二個節點

• xmlSize(node)：該節點下字節點數量。

• xmlAttrs(node)：該節點屬性。

• xmlGetAttr(node, attr)：該節點某一屬性。

• xmlValue(node)：該節點值。

• xmlChildren(node)：該節點下的子節點。

class(d) xmlName(d) xmlSize(d) xmlAttrs(d) xmlAttrs(d[[1]]) xmlAttrs(d[[1]][[1]]) xmlGetAttr(d[[1]][[1]], "lang") xmlChildren(d[[1]])#通過以下方式獲得的節點類型不同，建議使用getNodeSet d[[1]][[1]] getNodeSet(d, "//book/title")[[1]] getNodeSet(d, "//book[1]/title")

1.3 xmlSApply和xmlApply

讀取節點的值

#讀取第一本書的"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的區別： #xpathSApply是xpathApply讀取值的一個因子 xpathApply(d, "//book[1]/title", xmlName) xpathApply(d, "//book[1]/title", xmlSize) xpathApply(d, "//book[1]/title", xmlAttrs)

讀取節點的屬性值

xmlGetAttr(d[[1]][[1]], "lang")title<-getNodeSet(d, "//book[1]/title") title_lang<-sapply(title, xmlGetAttr, "lang") sapply(xmlChildren(d), xmlGetAttr, "category")#也可以通過該方法讀取節點的值 title_value<-sapply(title, xmlValue) sapply(xmlChildren(d[["book"]]), xmlValue)

1.4 xml格式轉dataframe

book <- getNodeSet(d, "//book") mybook <- sapply(book,xmlValue)#第一種方式，直接用xmlToDataFrame()函數 xmlToDataFrame(d) #由于book[4]不規范，導致轉化失敗 xmlToDataFrame(xmlChildren(d)[["book"]]) xmlToDataFrame(getNodeSet(d, "//book[1]")) xmlToDataFrame(nodes = getNodeSet(d, "//book/title"))#第二種方式，數據格式處理專用包plyr library("plyr") #先轉成list,再轉dataframe MyBooks <- ldply(xmlToList(d), data.frame) MyBooks <- ldply(xmlToList(getNodeSet(d, "//book")), data.frame)#第三種方式，讀取單個值后組合為dataframe author <- xpathSApply(d, "//book/author", xmlValue) #對第四個book的author值做特殊處理 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))

總結

以上是生活随笔為你收集整理的LearningR-XML的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。