Извлечение вложенных XML-данных с использованием библиотеки R и xml2

У меня есть следующая информация в виде вложенного XML-файла, который я пытаюсь превратить в data.frame для анализа и составления отчетов:

<node TEXT="Cost">
  <node TEXT="Scale">
    <node TEXT="1 - $0 to $100">
    </node>
    <node TEXT="2 - $100 to $500">
    </node>
    <node TEXT="3 - $500 to $1000">
    </node>
    <node TEXT="4 - $1000 to $5000">
    </node>
    <node TEXT="6 - $5000 +">
    </node>
  </node>
  <node TEXT="Weight">
    <node TEXT="1">
    </node>
  </node>
</node>

Я могу читать в файле XML и извлечь небольшие порции, как показано ниже:

file <- '<node TEXT="Cost">
  <node TEXT="Scale">
    <node TEXT="1 - $0 to $100">
    </node>
    <node TEXT="2 - $100 to $500">
    </node>
    <node TEXT="3 - $500 to $1000">
    </node>
    <node TEXT="4 - $1000 to $5000">
    </node>
    <node TEXT="6 - $5000 +">
    </node>
  </node>
  <node TEXT="Weight">
    <node TEXT="1">
    </node>
  </node>
</node>
'

data <- read_xml(file)

xml_find_all(data,"//node/node[@TEXT = 'Scale']/node/@TEXT")

Но что мне действительно нужно сделать, это получить его в виде data.frame, как показано ниже:

Node1  Node2    Node3
"Cost" "Scale"  "1 - $0 to $100"
"Cost" "Scale"  "2 - $100 to $500"
"Cost" "Scale"  "3 - $500 to $1000"
"Cost" "Scale"  "4 - $1000 to $5000"
"Cost" "Scale"  "5 - $5000 +"
"Cost" "Weight" "1"

Может ли кто-нибудь указать мне правильное направление?

Источник

2 ответа

Решение

Вместо того, чтобы использовать xsltВы также можете просто перебрать список узлов. Здесь мы выбираем все три узла глубиной, а затем извлекаем атрибут TEXT из всех родителей (и, наконец, связываем его вместе с dplyr)

library(dplyr)
xml_find_all(doc,"//node/node/node") %>% lapply(function(x) {
    list(
      NODE1=x %>% xml_parent %>% xml_parent %>% xml_attr("TEXT"),
      NODE2=x %>% xml_parent %>% xml_attr("TEXT"),
      NODE3=x %>% xml_attr("TEXT")
    )
}) %>% bind_rows()
Источник

Для того, чтобы изменить XML, я хотел бы использовать xslt который является языком преобразования XML. В этом случае вы могли бы сделать что-то вроде этого. Здесь я превращаю его в HTML-таблицу, которую я могу легко использовать rvest разобрать

xslt <- '<?xml version="1.0" encoding="UTF-8"?>
<xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="1.0">

  <xsl:template match="/">
    <html><table><xsl:apply-templates select="node/node/node"/></table></html>
  </xsl:template>

  <xsl:template match="node">
    <tr>
    <td><xsl:value-of select="../../@TEXT"/></td>
    <td><xsl:value-of select="../@TEXT"/></td>
    <td><xsl:value-of select="@TEXT"/></td>
    </tr>
  </xsl:template>

</xsl:stylesheet>'


library(xslt)
library(rvest)
style <- read_xml(xslt)
xml_xslt(data, style) %>% html_table() %>% .[[1]]
Источник
Другие вопросы по тегам