使用 R 将 XML 代码强制到数据框时如何删除或重新标记自关闭 XML 标记

Question

我正在尝试使用this excellent example 将一些 XML 代码转换为 R 数据框。不幸的是，自闭合标签似乎阻止了这种转换，我对 XML（和 R XML 包）的理解充其量只是新手。

根据this page at w3schools，看起来自闭合标签在 XML 中是合法的，所以我试图解析的代码并不是很不正常。

下面的 R 代码将产生我遇到的问题。如果您删除 <AlternateText/> 标记，代码将按我的预期工作。

另外，奇怪的是，如果你把它改成<AlternateText xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:nil="true"/>，那么它也可以工作。这种行为是预期的吗？

我想简单地从对象x 中删除所有自闭合标签，或者我想重新标记它们，这样它们就不会导致错误——有效地将<AlternateText/> 更改为@987654327 之类的东西@。

x <- 
    '<outer>
        <ProviderURL>
          <URLCode>Valid</URLCode>
          <URLAddress>http://mypage.com</URLAddress>
          <AlternateText/>
        </ProviderURL>
    </outer>'

library( plyr )
library( XML )


y <- 
    xmlTreeParse( 
        x , 
        asText = TRUE , 
        useInternalNodes = TRUE
    )

ldply( xmlToList( y ) , data.frame )

这段代码给了我：

Error in data.frame(URLCode = "Valid", URLAddress = "http://mypage.com",  : 
  arguments imply differing number of rows: 1, 0

Answer 1

正如@RicardoSaporta 在上一次编辑中提到的那样，问题是因为您的列表元素之一为 NULL。作为替代方案，您可以使用 data.frame 来使用unlist

 unlist(xmlToList( y ))
   ProviderURL.URLCode ProviderURL.URLAddress 
               "Valid"    "http://mypage.com" 

或使用xmlToDataFrame

xmlToDataFrame(y)


  URLCode        URLAddress AlternateText
1   Valid http://mypage.com     

PS

注意xmlTreeParse 和useInternalNodes = TRUE 可以替换为简单的xmlParse

y <- 
    xmlParse( 
        x , 
        asText = TRUE  
    )

Answer 2

当您使用示例中的代码解析 xml 时，您正在寻找的标签就在那里。我不认为这是给你的问题

y <- xmlTreeParse(x, asText=TRUE, useInternalNodes=TRUE)

xmlToList(y)

# $ProviderURL
# $ProviderURL$URLCode
# [1] "Valid"

# $ProviderURL$URLAddress
# [1] "http://mypage.com"

# $ProviderURL$AlternateText  
# NULL    <~~~~~~~~~~~~~~~~~~~~~ It's Right There

---

这应该会有所帮助：

y.list <- xmlToList(y)
y.list$ProviderURL$AlternateText <- NA
ldply(y.list, data.frame)

---

问题是不是自闭标签。问题是您有一个带有 NULL 值的列表，这与 ldply 混淆了。通常列表没有 NULL 值（即，分配 NULL 通常会消除列表中的值）。

因此，如果您改为分配一个替代值，则 ldply 就可以了。或者，如果您将其分配为 NULL，它将从您的列表中删除。