在 R 中，如何从 XML 文件中提取两个值，循环 5603 个文件并写入表

Question

由于我对 R 比较陌生，因此我正在尝试学习如何从 XML 文件中提取两个值并循环遍历工作目录中的 5603 个其他（小，

我已经阅读了很多关于“循环”的主题，但发现这相当混乱 - 特别是因为循环 XML 文件似乎不同于循环其他文件，对吗？

我正在使用 XML 结构的在线数据。

对于每个 XML 文件，我想将“ZipCode”和“AwardAmount”写入表格。

运行以下代码，我确实检索了 ZipCode 和 AwardAmount，但仅从第一个文件中检索。如何编写正确的循环并将其写入表？

xmlfiles=list.files(pattern="*.xml")
for (i in 1:length(xmlfiles)){
    doc= xmlTreeParse("xmlfiles[i]", useInternal=TRUE)
    zipcode<-xmlValue(doc[["//ZipCode"]])
    amount<-xmlValue(doc[["//AwardAmount"]])
}

有人有什么建议吗？

Answer 1

这可能对你有用。我摆脱了for 循环并选择了sapply。

xmlfiles <- list.files(pattern = "*.xml")
txtfiles <- gsub("xml", "txt", xmlfiles, fixed = TRUE)

txtfiles 是一组新文件名，用作每次运行的输出文件。

sapply(seq(xmlfiles), function(i){

  doc <- xmlTreeParse(xmlfiles[i], useInternal = TRUE)
  zipcode <- xmlValue(doc[["//ZipCode"]])
  amount <- xmlValue(doc[["//AwardAmount"]])
  DF <- data.frame(zip = zipcode, amount = amount)
  write.table(DF, quote = FALSE, row.names = FALSE, file = txtfiles[i])

})

请在运行时告诉我是否有问题。

Answer 2

与 Richard 的方法略有不同（仅略有不同）。使用ldply 制作数据框，然后再将其写入文件。您应该选择他的答案，因为 ldply 函数的“胆量”是他的，但这只是显示了另一种方法（假设您想要一个文件而不是多个文件）：

setwd("LOCATION_OF_XML_FILES")

xmlfiles <- list.files(pattern = "*.xml")

dat <- ldply(seq(xmlfiles), function(i){

  doc <- xmlTreeParse(xmlfiles[i], useInternal = TRUE)

  zipcode <- xmlValue(doc[["//ZipCode"]])
  amount <- xmlValue(doc[["//AwardAmount"]])

  return(data.frame(zip = zipcode, amount = amount))

})

head(dat)
##         zip amount
## 1 442420001  45000
## 2 479072114 400580
## 3 303320420  22050
## 4 326112002  12000
## 5 265066845  37000
## 6 168027000 300000

write.csv(dat, "zipamount.csv", row.names=FALSE)

您可以将append=TRUE 与Richard 的方法一起使用，并在write.table 中使用单个文件名来做同样的事情。您还可以调整write.csv（或write.table）的输出设置，以获得您最终想要使用的输出格式。

您还可以将 recursive = TRUE 添加到 list.files 以遍历所有子目录，而不是将所有约 5,600 个文件放入一个目录（在某些文件系统/操作系统上可能会出现性能问题）。