R解析plist XML
Posted
技术标签:
【中文标题】R解析plist XML【英文标题】：R parsing plist XML 【发布时间】：2018-03-26 15:51:55 【问题描述】：抱歉，修改了一点细微差别！在我提供的示例中，我对原始文件进行了过多的简化，因此尽管您的解决方案按原样工作得很好，但如果在第二行中添加了一些额外的东西怎么办？那些似乎抛弃了 xml_find_all(page, "//event")，因为现在它找不到那个节点。我怎样才能让脚本忽略额外内容（或者可能是什么是正确的搜索词来合并它们？）谢谢！！！
我是使用 xml 的新手，我有一些语音 xml 文件，我正试图将它们展平为 R 中的数据帧，但我无法使用 XML 中的一些标准函数来读取它们包裹。我认为问题在于 plist 格式，因为我尝试应用的其他一些答案不适用于这些文件。
我的文件如下所示（*****第二行已编辑）：
<?xml version="1.0" encoding="us-ascii"?>
<event id="111" extraInfo="CivilwarSpeeches" xmlns = "someurl>
<meta>
<title>Gettysburg</title>
<date>1863-11-19</date>
<organizations>
<org>Union</org>
</organizations>
<people>
<person id="0" type="President">Honest Abe</person>
</people>
</meta>
<body>
<section name="Address">
<speaker id="0">
<plist>
<p>Four score and seven years ago</p>
</plist>
</speaker>
</section>
</body>
</event>
我想最终得到一个将两个部分中的一些信息链接起来的数据框，比如
部分|演讲者|演讲者类型|演讲者姓名|正文
地址|0 |总裁 |诚实的安倍|四分七年前
我发现这个答案很有帮助，但它似乎仍然无法解压缩我的数据。 Parsing XML file with known structure and repeating elements
任何帮助将不胜感激！
【问题讨论】：
【参考方案1】：我更喜欢使用 xml2 库而不是 xml 库。
这是一个非常直接的问题。读入数据，解析出所需的属性和节点，组装成一个数据框。
library(xml2)
page<-read_xml('<?xml version="1.0" encoding="us-ascii"?>
<event id="111">
<meta>
<title>Gettysburg</title>
<date>1863-11-19</date>
<organizations>
<org>Union</org>
</organizations>
<people>
<person id="0" type="President">Honest Abe</person>
</people>
</meta>
<body>
<section name="Address">
<speaker id="0">
<plist>
<p>Four score and seven years ago</p>
</plist> </speaker> </section> </body> </event>')
#get the nodes
nodes<-xml_find_all(page, "//event")
#parse the requested information out of each node
Section<- xml_attr(xml_find_first(nodes, ".//section"), "name")
Speaker<- xml_attr(xml_find_first(nodes, ".//person"), "id")
SpeakerType<- xml_attr(xml_find_first(nodes, ".//person"), "type")
SpeakerName<- xml_text(xml_find_first(nodes, ".//person"))
Body<- xml_text(xml_find_first(nodes, ".//plist/p"))
#put together into a data.frame
answer<-data.frame(Section, Speaker, SpeakerType, SpeakerName, Body)
代码被设置为解析一系列“事件”节点。为清楚起见，我使用 5 个步骤分别解析出每个请求的信息字段，然后合并到最终的数据帧中。 这样做的部分理由是在“事件”节点丢失某些请求信息的情况下保持对齐。这可以简化，但如果您的数据集很小，则不会对性能产生太大影响。
【讨论】：
这很好用，但我的错，我想我过分简化了我的例子。我在原始问题中进行了编辑，问题似乎是 xml 的事件部分中的额外信息位，因此 nodes 是的，它看起来像定义了一个命名空间。我通常处理这个问题的方法是在xml2 包中使用 xml_ns_strp() 函数去除命名空间。
啊，好吧，就是这些。喜欢 xml2 包！以上是关于R解析plist XML的主要内容，如果未能解决你的问题，请参考以下文章