将XML文件转换为R中的数据帧列表

我有一个来自唾液代谢物数据集。此数据是XML文件。我想做的是将这个XML文件转换为R中的数据帧列表，但是，我不想要列表中的所有节点

导入文件并转换为列表：

require(XML)
library("methods")
data <- xmlParse("D:/rout/to/my/downloaded/file/saliva_metabolites/saliva_metabolites.xml")

xml_data <- xmlToList(data)

---

任何提示、参考或帮助都将不胜感激

不确定这是否是您要寻找的，但这里是前三个代谢物及其两个子节点的代码示例

library( xml2 )
library( magrittr )  #for pipe operator %>%

doc <- read_xml( "./temp/saliva_metabolites.xml" )
#get metabolite nodes (only first three used in this sample)
met.nodes <- xml_find_all( doc, ".//d1:metabolite" )[1:3]
#list of data.frames with secondary accessions
# only two in this sample
xpath_child.v <- c( "./d1:secondary_accessions/d1:accession",
                    "./d1:synonyms/d1:synonym" )
#what names should they get in the list?
child.names.v <- c( "secondary_accessions",
                    "synonyms" )
#first, loop over the met.nodes
L.sec_acc <- lapply( met.nodes, function(x) { 
  #second, loop over the xpath desired child-nodes
  temp <- lapply( xpath_child.v, function(y) { 
    xml_find_all(x, y ) %>% xml_text() %>% data.frame( value = .)
    })
  #set their names
  names(temp) = child.names.v
  return(temp)
  }) 
#set names of metabolites
names(L.sec_acc) <- xml_find_first( met.nodes, ".//d1:name ") %>% xml_text()

---

不确定这是否是您正在寻找的，但这里是前三个代谢物及其两个子节点的代码示例

library( xml2 )
library( magrittr )  #for pipe operator %>%

doc <- read_xml( "./temp/saliva_metabolites.xml" )
#get metabolite nodes (only first three used in this sample)
met.nodes <- xml_find_all( doc, ".//d1:metabolite" )[1:3]
#list of data.frames with secondary accessions
# only two in this sample
xpath_child.v <- c( "./d1:secondary_accessions/d1:accession",
                    "./d1:synonyms/d1:synonym" )
#what names should they get in the list?
child.names.v <- c( "secondary_accessions",
                    "synonyms" )
#first, loop over the met.nodes
L.sec_acc <- lapply( met.nodes, function(x) { 
  #second, loop over the xpath desired child-nodes
  temp <- lapply( xpath_child.v, function(y) { 
    xml_find_all(x, y ) %>% xml_text() %>% data.frame( value = .)
    })
  #set their names
  names(temp) = child.names.v
  return(temp)
  }) 
#set names of metabolites
names(L.sec_acc) <- xml_find_first( met.nodes, ".//d1:name ") %>% xml_text()

另一种选择：

### packages

library(XML)
library(data.table)
library(dplyr)

### xml parse

xml <- xmlTreeParse("C://Users/.../saliva_metabolites/saliva_metabolites.xml",useInternalNode=TRUE)

### get the context nodes

ns <- getNodeSet(xml, "//*[local-name()='metabolite']")

### rbind the results of a function which extracts the data in order to construct the df

df=rbindlist(lapply(ns, function(x) {
  nm = xpathSApply(x,"(.//*[local-name()='name'])[1]",xmlValue)
  acc = xpathSApply(x,"(.//*[local-name()='accession'])[1]",xmlValue)
  syn = xpathSApply(x,"(.//*[local-name()='synonyms'])[1]/*",xmlValue)
  data.frame(name=nm,accession=acc,synonyms = paste(syn, collapse = '¤'))}), fill=TRUE)

### put synonyms of each row in a list (not mandatory)

df$synonyms = lapply(strsplit(as.character(df$synonyms),split='¤'),trimws)

## adding NA where the result is blank for synonyms and export the dfs (1 for each metabolite)

outp = df %>% mutate(synonyms=na_if(synonyms, "")) %>% group_split(xml_pos=row_number())

软件包
库（XML）
库（数据表）
图书馆（dplyr）
###xml解析
xml%组分割（xml\u pos=row\u number（））

输出（3个初步结果）：

[[1]]
#一个tibble:1 x 4
名称登录同义词xml\u pos
1-甲基组氨酸HMDB0000001 1
[[2]]
#一个tibble:1 x 4
名称登录同义词xml\u pos
1 2-酮丁酸HMDB0000005 2
[[3]]
#一个tibble:1 x 4
名称登录同义词xml\u pos
1 2-羟基丁酸HMDB0000008 3

另一个选项：

### packages

library(XML)
library(data.table)
library(dplyr)

### xml parse

xml <- xmlTreeParse("C://Users/.../saliva_metabolites/saliva_metabolites.xml",useInternalNode=TRUE)

### get the context nodes

ns <- getNodeSet(xml, "//*[local-name()='metabolite']")

### rbind the results of a function which extracts the data in order to construct the df

df=rbindlist(lapply(ns, function(x) {
  nm = xpathSApply(x,"(.//*[local-name()='name'])[1]",xmlValue)
  acc = xpathSApply(x,"(.//*[local-name()='accession'])[1]",xmlValue)
  syn = xpathSApply(x,"(.//*[local-name()='synonyms'])[1]/*",xmlValue)
  data.frame(name=nm,accession=acc,synonyms = paste(syn, collapse = '¤'))}), fill=TRUE)

### put synonyms of each row in a list (not mandatory)

df$synonyms = lapply(strsplit(as.character(df$synonyms),split='¤'),trimws)

## adding NA where the result is blank for synonyms and export the dfs (1 for each metabolite)

outp = df %>% mutate(synonyms=na_if(synonyms, "")) %>% group_split(xml_pos=row_number())

软件包
库（XML）
库（数据表）
图书馆（dplyr）
###xml解析
xml%组分割（xml\u pos=row\u number（））

输出（3个初步结果）：

[[1]]
#一个tibble:1 x 4
名称登录同义词xml\u pos
1-甲基组氨酸HMDB0000001 1
[[2]]
#一个tibble:1 x 4
名称登录同义词xml\u pos
1 2-酮丁酸HMDB0000005 2
[[3]]
#一个tibble:1 x 4
名称登录同义词xml\u pos
1 2-羟基丁酸HMDB0000008 3

感谢您的努力！如果可以，我想询问有关子节点的信息。您提到了两个子节点，这就是我在代码中看到的：次要的访问和同义词。然而，它的输出看起来好像有一个或一个名字。为什么？我的第二个问题是关于语法，什么是“/d1:”？但是没有找到任何解释

/d1:

定义节点所在的xml命名空间。。看：不知道你用另一个名字是什么意思？代谢物本身的名称？看起来像是

路径

在节点

生物属性

内。。。您必须声明完整的路径，或使用

/

进行。看，例1和例2链接非常好，谢谢！我想再问一个问题，我正在尝试创建一个疾病名称列表（从节点diseases>disease>name），每个疾病将包含另一个包含所有pubmed_id值的列表（从节点diseases>disease>references>reference>pubmed_id），其中引用节点与代码中的名称节点处于同一级别，但不起作用。感谢您的努力！如果可以，我想询问有关子节点的信息。您提到了两个子节点，这就是我在代码中看到的：次要的访问和同义词。然而，它的输出看起来好像有一个或一个名字。为什么？我的第二个问题是关于语法，什么是“/d1:”？但是没有找到任何解释

/d1:

定义节点所在的xml命名空间。。看：不知道你用另一个名字是什么意思？代谢物本身的名称？看起来像是

路径

在节点

生物属性

内。。。您必须声明完整的路径，或使用

/

进行。看，例1和例2链接非常好，谢谢！我想再问一个问题，我正在尝试创建一个疾病名称列表（从节点diseases>disease>name），每个疾病将包含另一个包含所有pubmed_id值的列表（从节点diseases>disease>references>reference>pubmed_id），其中引用节点与代码中的名称节点处于同一级别，但不起作用。谢谢，E.Wiest！如果可以的话，我想问另一个问题。如果我想创建一个疾病名称列表（来自节点diseases>diseases>name），并且每个名称将包含一个pubmed\u id值列表（（来自节点diseases>diseases>references>pubmed\u id）如果引用节点和名称节点是兄弟节点，是否可能？谢谢，E.Wiest！如果确定，我想问另一个问题。如果我想创建一个疾病名称列表（从节点疾病>疾病>名称），每个名称将包含一个pubmed_id值列表（（从节点疾病>疾病>引用>pubmed_id）如果引用节点和名称节点是同级节点，是否可能？

### packages

library(XML)
library(data.table)
library(dplyr)

### xml parse

xml <- xmlTreeParse("C://Users/.../saliva_metabolites/saliva_metabolites.xml",useInternalNode=TRUE)

### get the context nodes

ns <- getNodeSet(xml, "//*[local-name()='metabolite']")

### rbind the results of a function which extracts the data in order to construct the df

df=rbindlist(lapply(ns, function(x) {
  nm = xpathSApply(x,"(.//*[local-name()='name'])[1]",xmlValue)
  acc = xpathSApply(x,"(.//*[local-name()='accession'])[1]",xmlValue)
  syn = xpathSApply(x,"(.//*[local-name()='synonyms'])[1]/*",xmlValue)
  data.frame(name=nm,accession=acc,synonyms = paste(syn, collapse = '¤'))}), fill=TRUE)

### put synonyms of each row in a list (not mandatory)

df$synonyms = lapply(strsplit(as.character(df$synonyms),split='¤'),trimws)

## adding NA where the result is blank for synonyms and export the dfs (1 for each metabolite)

outp = df %>% mutate(synonyms=na_if(synonyms, "")) %>% group_split(xml_pos=row_number())

[[1]]
# A tibble: 1 x 4
  name              accession   synonyms   xml_pos
  <chr>             <chr>       <list>       <int>
1 1-Methylhistidine HMDB0000001 <chr [13]>       1

[[2]]
# A tibble: 1 x 4
  name               accession   synonyms   xml_pos
  <chr>              <chr>       <list>       <int>
1 2-Ketobutyric acid HMDB0000005 <chr [43]>       2

[[3]]
# A tibble: 1 x 4
  name                  accession   synonyms   xml_pos
  <chr>                 <chr>       <list>       <int>
1 2-Hydroxybutyric acid HMDB0000008 <chr [37]>       3