当值为多个或丢失时，从XML中恢复数据帧

这个问题类似于前面的问题，但我只想提取XML数据的一个子集，并希望包含缺少的/多个值

我从一个XML文件开始，希望基于它包含的一些数据（由XML元素的内容定义）在R中构建一个数据框架。用一个例子来解释是最容易的。在下面，我想挑选每个城市的地标信息（即使没有地标元素或有几个地标元素），忽略关于车站的信息

<world>
    <city>
        <name>London</name>
        <buildings>
            <building>
                <type>landmark</type>
                <bname>Tower Bridge</bname>
            </building>
            <building>
                <type>station</type>
                <bname>Waterloo</bname>
            </building>
        </buildings>
    </city>
    <city>
        <name>New York</name>
        <buildings>
            <building>
                <type>station</type>
                <bname>Grand Central</bname>
            </building>
        </buildings>
    </city>
    <city>
        <name>Paris</name>
        <buildings>
            <building>
                <type>landmark</type>
                <bname>Eiffel Tower</bname>
            </building>
            <building>
                <type>landmark</type>
                <bname>Louvre</bname>
            </building>
        </buildings>
    </city>
</world>

我以为有一种方法可以使用XML库和

xpathsaply

实现这一点，但我认为我失败了

---

如果不参考示例，也无法思考如何表达问题，因此请随意编辑以给出更具描述性的问题。

您可以使用

xmlToList

，然后使用

plyr

获取您可以使用的数据帧

require(XML)
require(plyr)
xD <- xmlParse(xData)
xL <- xmlToList(xD)
ldply(xL, data.frame)
> ldply(xL, data.frame)
   .id     name buildings.building.type buildings.building.bname
1 city   London                landmark             Tower Bridge
2 city New York                 station            Grand Central
3 city    Paris                landmark             Eiffel Tower
  buildings.building.type.1 buildings.building.bname.1
1                   station                   Waterloo
2                      <NA>                       <NA>
3                  landmark                     Louvre

require（XML）
需要（plyr）
xD有一个解决方案
xpathsaply
，但是在这里编写xpath有点复杂。
因此，这里我提出了一个解决方案，使用
xmlToDataFrame
并使用一些正则表达式来获取建筑物

dd <- xmlToDataFrame(doc)
rr <- gsub('landmark',',',dd$buildings)
rr <- gsub('station.*','',rr)
builds <- lapply(strsplit(gsub('station.*','',rr),','),
                 function(x)x[nchar(x)>0])
dd$buildings <- builds

    name            buildings
1   London         Tower Bridge
2 New York                     
3    Paris Eiffel Tower, Louvre

dd如果希望准确地再现问题中显示的所需输出，可以将XML转换为列表，然后提取所需信息：

xml_list <- xmlToList(xmlParse(xml_data))

xml\u list假设xml数据位于名为
world.xml的文件中，将其读入并在城市中迭代，提取任何相关地标的城市名称和名称：

library(XML)
doc <- xmlParse("world.xml", useInternalNodes = TRUE)

do.call(rbind, xpathApply(doc, "/world/city", function(node) {

   city <- xmlValue(node[["name"]])

   xp <- "./buildings/building[./type/text()='landmark']/bname"
   landmark <- xpathSApply(node, xp, xmlValue)
   if (is.null(landmark)) landmark <- NA

   data.frame(city, landmark, stringsAsFactors = FALSE)

}))

库（XML）
医生，谢谢。这个答案正是我想要的——很清楚如何使用xpath操作xml结构，并且不依赖xmlToDataFrame或xmlToList/ldply，这两种方法都无法处理我的真实数据，遗憾的是，这并不像我上面给出的world.xml示例那么简单：-）
xml_list <- lapply(xml_list, lapply, function(x) {
  x[!sapply(x, function(y) any(y == "station"))]
})

xml_list <- lapply(xml_list, function(x) {
  bldgs <- unlist(x$buildings)
  bldgs <- bldgs[bldgs != "landmark"]
  if(is.null(bldgs)) bldgs <- NA
  data.frame(
    "city" = x$name,
    "landmark" = bldgs,
    stringsAsFactors = FALSE)
})

xml_output <- do.call("rbind", xml_list)
xml_output
           city     landmark
city     London Tower Bridge
city1  New York         <NA>
city.1    Paris Eiffel Tower
city.2    Paris       Louvre

library(XML)
doc <- xmlParse("world.xml", useInternalNodes = TRUE)

do.call(rbind, xpathApply(doc, "/world/city", function(node) {

   city <- xmlValue(node[["name"]])

   xp <- "./buildings/building[./type/text()='landmark']/bname"
   landmark <- xpathSApply(node, xp, xmlValue)
   if (is.null(landmark)) landmark <- NA

   data.frame(city, landmark, stringsAsFactors = FALSE)

}))

      city     landmark
1   London Tower Bridge
2 New York         <NA>
3    Paris Eiffel Tower
4    Paris       Louvre