使用 R 中的 XML 包从文件中提取修改日期答案

【问题标题】：Extract modified date from file using the XML package in R使用 R 中的 XML 包从文件中提取修改日期
【发布时间】：2018-03-21 22:58:10
【问题描述】：

我正在使用 XML 包来提取一些元数据。我在这里找到了一个很好的解决方案来提取作者姓名：https://www.r-bloggers.com/microsoft-office-metadata-with-r/。使用代码的第一行我得到这个：

library(XML)
doc <- xmlInternalTreeParse('<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
    <cp:coreProperties xmlns:cp="http://schemas.openxmlformats.org/package/2006/metadata/core-properties" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:dcmitype="http://purl.org/dc/dcmitype/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">
      <dc:title>CHR-nr</dc:title>
      <dc:subject/>
      <dc:creator>XXXXXX</dc:creator>
      <cp:keywords/>
      <dc:description/>
      <cp:lastModifiedBy>XXXXXX</cp:lastModifiedBy>
      <cp:revision>1</cp:revision>
      <cp:lastPrinted>2013-03-22T12:16:00Z</cp:lastPrinted>
      <dcterms:created xsi:type="dcterms:W3CDTF">2013-03-22T12:13:00Z</dcterms:created>
      <dcterms:modified xsi:type="dcterms:W3CDTF">2013-03-22T12:24:00Z</dcterms:modified>
    </cp:coreProperties>', asText=TRUE)

我想从这些行中提取信息：

  <dcterms:created xsi:type="dcterms:W3CDTF">2013-03-22T12:13:00Z</dcterms:created>
  <dcterms:modified xsi:type="dcterms:W3CDTF">2013-03-22T12:24:00Z</dcterms:modified>

使用以下代码（我将以最后一行为例）：

ns=c('dcterms'= 'http://purl.org/dc/elements/1.1/')
date = xmlValue(getNodeSet(doc, '/*/dcterms:modified\ xsi:type=\"dcterms:W3CDTF\"', namespaces=ns)[[1]])

但我收到此错误：

XPath error : Invalid expression
/*/dcterms:modified xsi:type="dcterms:W3CDTF"
                    ^
Error in xpathApply.XMLInternalDocument(doc, path, fun, ..., namespaces = namespaces,  : 
  error evaluating xpath expression /*/dcterms:modified xsi:type="dcterms:W3CDTF"
>

有人可以帮助编写正确的路径吗？

【问题讨论】：

标签： r xml metadata

【解决方案1】：

您似乎没有正确设置命名空间。您需要同时设置dcterms 和xsi，并且xpath 命名空间中dcterms 的URL 必须与原始XML 文档中使用的URL 相同。另外，您用于按属性过滤的 XPATH 有点偏离。试试

ns <- c('dcterms'= 'http://purl.org/dc/terms/', 
     'xsi'="http://www.w3.org/2001/XMLSchema-instance")
xq <- '/*/dcterms:modified[@xsi:type=\"dcterms:W3CDTF\"]'
date <- xmlValue(getNodeSet(doc, xq, namespaces=ns)[[1]])

【讨论】：

成功了。谢谢！ :) 但是为什么你必须改变命名空间的设置呢？有什么地方可以让我了解更多信息吗？再次感谢
好吧，您的 XML 文档使用名称空间，因此您的 xpath 查询也必须定义它们。它不是 R 特定的，但也许本指南可能有助于概述：msdn.microsoft.com/en-us/library/ms950779.aspx