R - 获取 XML 节点

Posted 2023-02-24

【中文标题】R - 获取 XML 节点

【英文标题】：R - Get XML nodes

【发布时间】：2020-10-23 04:53:17

【问题描述】：

我有一个关于 XML 节点的问题。

我想同时替换 Excel 文件中的值和公式，所以首先，我使用file.rename() 将其更改为 zip 文件，之后，我在 zip 文件的 XML 文件中工作。 你可以在/xl/worksheets/sheet1.xml找到XML，替换，我写代码行：

library(XML)

### Change excel to zip
data_path <- "Untitled 1.xlsx"

file.rename(data_path, "Untitled 1.zip")

dir.create("Untitled 1")
utils::unzip("Untitled 1.zip", exdir = "Untitled 1")

### Read XML file
doc <- xmlTreeParse("Untitled 1/xl/worksheets/sheet1.xml", useInternal = TRUE)

#### Select the nodes we want to update
nodes <- getNodeSet(doc, "/worksheet")
nodes <- getNodeSet(doc, "/worksheet/sheetData")

# > list()
# > list()

当我得到节点时，它们都返回空白列表节点。它与getNodeSet(doc, "/") 一起使用，Xpath 表达式是/，它返回长度为 1 的列表。我不明白为什么？ XML文件有什么问题？我刚刚在https://www.freeformatter.com/xpath-tester.html 中测试过，如果Xpath 表达式为/worksheet 或/worksheet/sheetData，它仍然返回正确的结果

你能解释一下问题是什么吗？谢谢。

我在here附上了excel文件、输出zip文件和XML文件

【参考方案1】：

您的文档在根“工作表”节点中具有默认命名空间。 XML 库需要命名默认命名空间。你可以这样做

# name the namespaces
ns <- c(ns="http://schemas.openxmlformats.org/spreadsheetml/2006/main",
        r="http://schemas.openxmlformats.org/officeDocument/2006/relationships")

# use the ns= namespace in the xpath
getNodeSet(doc, "/ns:worksheet", namespaces = ns)
getNodeSet(doc, "/ns:worksheet/ns:sheetData", namespaces = ns)

我知道xml2，如果您不想打扰它，可以剥离默认命名空间。你可以这样做

library(xml2)
doc <- xml_ns_strip(read_xml("sheet1.xml"))
xml_find_all(doc, "/worksheet")
xml_find_all(doc, "/worksheet/sheetData")