如何使用 R 解析 USER_DEFINED XML 数据答案

【问题标题】：How to parse USER_DEFINED XML data with R如何使用 R 解析 USER_DEFINED XML 数据
【发布时间】：2022-01-06 17:40:22
【问题描述】：

我有一个带有 USER_DEFINED 参数的 XML 文件，我正在尝试解析它。这是 XML 文档的示例。

         <userDefinedParameters>
           <USER_DEFINED parameter="P1">LEFT</USER_DEFINED>
           <USER_DEFINED parameter="P2">RIGHT</USER_DEFINED>
           <USER_DEFINED parameter="P3">1234</USER_DEFINED>
           <USER_DEFINED parameter="P4">5678</USER_DEFINED>
         </userDefinedParameters>
       </data>
     </segment>
   </body>
</head>

我可以使用XML 包和xpathApply 解析出该文件中的所有数据。但是，我无法通过这种方式提取 USER_DEFINED 参数值。

由于 XML 中有几条记录，我想获取所有 P1、P2 等，因为我使用 xpathApply 获取其他字段。 document 声明所有 USER_DEFINED 参数都是“参数”和“值”，所以我认为我需要拉为 c('parameter', 'value')，但我不知道如何使用 XML 来做到这一点。

我看过this SO page，它有很大帮助，但没有回答这个问题。

感谢您的任何/所有帮助。

更新了所需的输出以及我尝试获取数据的方式。请注意，以下代码无法正常工作。

当前xpathApply 使用获取userDefinedParameters 部分中的所有USER_DEFINED 行。如果我更改为xpathApply(data, "//USER_DEFINED"), xmlValue)，那么我将获得所有值，但与参数名称无关。我需要xpathApply(data, "//USER_DEFINED/P1"), xmlValue) 之类的东西，但显然这行不通。

Library(XML)
fileName <- "./file.xml"
data     <- xmlParse(fileName)
xml_data <- xmlToList(data)
p1 <- xpathApply(data, "//USER_DEFINED")
p2 <- xpathApply(data, "//USER_DEFINED")

# View(p1)
#     "P1"
#     LEFT
#     LEFT
#    RIGHT

# View(p2)
#     "P2"
#    RIGHT
#    RIGHT
#     LEFT
# ...

【问题讨论】：

标签： r xml parsing

【解决方案1】：

如果您喜欢使用 XML 包，可以使用 sapply 中的 xmlAttrs 函数

text <-' <head> <body> <segment>
 <data>
 <userDefinedParameters>
           <USER_DEFINED parameter="P1">LEFT</USER_DEFINED>
           <USER_DEFINED parameter="P2">right</USER_DEFINED>
           <USER_DEFINED parameter="P3">1234</USER_DEFINED>
           <USER_DEFINED parameter="P4">5678</USER_DEFINED>
         </userDefinedParameters>
       </data>
     </segment>
   </body>
</head>'

library(XML)
#read the document
doc <- xmlRoot(xmlParse(text))

#parse out the USER Defined nodes
# in this example there are 4 nodes
nodes<-xpathApply(doc, ".//userDefinedParameters/USER_DEFINED")

#step through each of the found nodes
# xmlAttrs is not a vectorized function thus requiring a loop
attributes <- sapply(nodes, function(n) {
   #extract the attribute from each node
   # if there was more than 1 attribute this will need updating
   xmlAttrs(unlist(n)) })

#get values from each node
values<-xmlValue(nodes)

data.frame(attributes, values)
#   attributes values
# 1         P1   LEFT
# 2         P2  right
# 3         P3   1234
# 4         P4   5678

【讨论】：

这只会让我得到参数名称。我更新了我的帖子以显示我如何尝试获取数据；我希望这会有所帮助。
这很好用，谢谢@Dave2e。我不明白".//userDefinedParameters/USER_DEFINED" 中的点或内联函数中发生了什么。你能解释一下这些吗？
前面的点是 Xpath 从当前节点而不是全局搜索。这里可能不需要，但最好是更加安全。解释见代码中的 cmets。
感谢 cmets - 帮助很大。

【解决方案2】：

使用xml2 库，您可以使用xml_attr() 从parameter 的节点获取值。

类似这样的：

library(xml2)

x <- read_xml('<userDefinedParameters>
       <USER_DEFINED parameter="P1">LEFT</USER_DEFINED>
       <USER_DEFINED parameter="P2">right</USER_DEFINED>
       <USER_DEFINED parameter="P3">1234</USER_DEFINED>
       <USER_DEFINED parameter="P4">5678</USER_DEFINED>
     </userDefinedParameters>')

dataset <- data.frame(user_defined = x %>% 
                                       xml_find_all("//USER_DEFINED") %>%
                                       xml_text(),
                      parameter = x %>% 
                                    xml_find_all("//USER_DEFINED") %>%
                                    xml_attr("parameter"))

结果为@987654325@：

  user_defined parameter
1         LEFT        P1
2        right        P2
3         1234        P3
4         5678        P4

【讨论】：

如果可以的话，我会尝试使用 XML 包 - 封闭系统 - 必要时我会让我迁移到 xml2。