R xml-抓取子子子项并在子项中折叠,即使缺少元素文本
我有一个嵌套的xml数据集,如下所示,我正试图解析w/xml2和tidyverse包。有三个儿童信封。我想获取每个R xml-抓取子子子项并在子项中折叠,即使缺少元素文本,r,xml,xml2,R,Xml,Xml2,我有一个嵌套的xml数据集,如下所示,我正试图解析w/xml2和tidyverse包。有三个儿童信封。我想获取每个标记中和子子子标记的所有文本,并使用易于识别的分隔符(如;)折叠它们或从中列出data.frames MWE:以下是数据: 或者像下面这样的嵌套列表一样好(也许更好): [[1]] card_id value 1 605380 coke 2 610954 pizza 3 605381 surprise 4 610958 joke [[2]]
标记中
和
子子子标记的所有文本,并使用易于识别的分隔符(如;)折叠它们编码>或从中列出data.frames
MWE:以下是数据:
或者像下面这样的嵌套列表一样好(也许更好):
[[1]]
card_id value
1 605380 coke
2 610954 pizza
3 605381 surprise
4 610958 joke
[[2]]
card_id value
1 605381 charlie horse
2 605380 rug bug
3 610954 mario cart
[[3]]
card_id value
1 605377 trogdor
2 <NA> jorb
3 605333 <NA>
不太漂亮,但您可以通过首先将每个信封的所有子元素放入单独的列表元素,然后循环获取每个卡id和值节点的文本来获取data.frames列表
myxml %>%
xml_find_all('//envelope') %>%
lapply(xml_children) %>%
lapply(function(x) data.frame(
card_id = xml_child(x, 'card-id') %>% xml_text,
value = xml_child(x, 'value') %>% xml_text
)
)
#[[1]]
# card_id value
#1 605380 coke
#2 610954 pizza
#3 605381 surprise
#4 610958 joke
#
#[[2]]
# card_id value
#1 605381 charlie horse
#2 605380 rug bug
#3 610954 mario cart
#
#[[3]]
# card_id value
#1 605377 trogdor
#2 jorb
#3 605333
对于NAs而不是“”,您可以在每个xml\u文本之后添加%%>%ifelse(.==”,NA,)
,然后在将其发送到Lappy之前将其转换为列表,这就是为什么它会对所有内容执行此操作。这就是管道操作符所做的(`%>%`)将事情推进到下一步,每次查看当前X时,Lappy都会在列表上迭代,该X是您提供给它的每个信封,因此它会对所有信封执行xml\u find\u all\uuuuu
操作。如果您想要更多控制,请将信封作为列表保存到变量中,然后使用循环进行控制迭代,并使用逻辑语句解析子函数,或者构建一个复杂函数,对其进行广泛测试并将其仔细输入Lappy。如果您想与XML包进行比较,请尝试Lappy(myxml[“//envelope]”,xmlToDataFrame)
Beauty。有助于我理解我对结构的理解。
[[1]]
card_id value
1 605380 coke
2 610954 pizza
3 605381 surprise
4 610958 joke
[[2]]
card_id value
1 605381 charlie horse
2 605380 rug bug
3 610954 mario cart
[[3]]
card_id value
1 605377 trogdor
2 <NA> jorb
3 605333 <NA>
myxml %>%
xml_find_all('//envelope') %>%
as_list() %>%
lapply(function(x){
data_frame(
card_id = x %>% xml_find_all('//card-id') %>% xml_text(),
value = x %>% xml_find_all('//value') %>% xml_text()
)
})
myxml %>%
xml_find_all('//envelope') %>%
lapply(xml_children) %>%
lapply(function(x) data.frame(
card_id = xml_child(x, 'card-id') %>% xml_text,
value = xml_child(x, 'value') %>% xml_text
)
)
#[[1]]
# card_id value
#1 605380 coke
#2 610954 pizza
#3 605381 surprise
#4 610958 joke
#
#[[2]]
# card_id value
#1 605381 charlie horse
#2 605380 rug bug
#3 610954 mario cart
#
#[[3]]
# card_id value
#1 605377 trogdor
#2 jorb
#3 605333