我正在尝试学习 R 的 XML 包。我正在尝试从 books.xml 示例 xml 数据文件创建一个 data.frame。这是我得到的：
library(XML)
books <- "http://www.w3schools.com/XQuery/books.xml"
doc <- xmlTreeParse(books, useInternalNodes = TRUE)
doc
xpathApply(doc, "//book", function(x) do.call(paste, as.list(xmlValue(x))))
xpathSApply(doc, "//book", function(x) strsplit(xmlValue(x), " "))
xpathSApply(doc, "//book/child::*", xmlValue)
这些 xpathSApply 中的每一个都没有让我接近我的意图。应该如何朝着一个结构良好的 data.frame 前进？
【问题讨论】：
通常，我会建议尝试xmlToDataFrame() 函数，但我相信这实际上会相当棘手，因为它一开始的结构并不好。
我建议使用此功能：
xmlToList(books)
一个问题是每本书有多个作者，因此在构建数据框时需要决定如何处理。
一旦您决定如何处理多位作者问题，那么使用 plyr 中的 ldply() 函数将您的书单转换为数据框是相当简单的（或者只使用 lapply 并将返回值转换为data.frame 使用 do.call("rbind"...)。
这是一个完整的例子（不包括作者）：
library(XML)
books <- "w3schools.com/xsl/books.xml"
library(plyr)
ldply(xmlToList(books), function(x) { data.frame(x[!names(x)=="author"]) } )
.id title.text title..attrs year price .attrs
1 book Everyday Italian en 2005 30.00 COOKING
2 book Harry Potter en 2005 29.99 CHILDREN
3 book XQuery Kick Start en 2003 49.99 WEB
4 book Learning XML en 2003 39.95 WEB
这是包含作者的情况。在这种情况下，您需要使用ldply，因为列表是“锯齿状的”...... lapply 无法正确处理。 [否则，您可以将lapply 与rbind.fill 一起使用（也由Hadley 提供），但是当plyr 自动为您服务时，为什么还要麻烦呢？]：
ldply(xmlToList(books), data.frame)
.id title.text title..attrs author year price .attrs
1 book Everyday Italian en Giada De Laurentiis 2005 30.00 COOKING
2 book Harry Potter en J K. Rowling 2005 29.99 CHILDREN
3 book XQuery Kick Start en James McGovern 2003 49.99 WEB
4 book Learning XML en Erik T. Ray 2003 39.95 WEB
author.1 author.2 author.3 author.4
1 <NA> <NA> <NA> <NA>
2 <NA> <NA> <NA> <NA>
3 Per Bothner Kurt Cagle James Linn Vaidyanathan Nagarajan
4 <NA> <NA> <NA> <NA>
【讨论】：