R xml2：如何只查询对应的xml节点

Question

我正在尝试读取许多 XML 文件并将其转换为 R 数据帧（或者最好是 Tibbles）。

不幸的是，当我尝试使用内置函数（例如来自 XML 包的 xmltodataframe 和来自 xmlconvert 包的 xml_to_df）转换文件时，我尝试过的所有 R 包（XML、flatxml、xmlconvert）都失败了，所以我有使用 XML2 手动完成。

这是我的问题，有一个小的工作示例：

# Minimal Working Example

library(tidyverse)
library(xml2)


interimxml <- read_xml("<Subdivision>
              <Name>Charles</Name>
              <Salary>100</Salary>
              <Name>Laura</Name>
              <Name>Steve</Name>
              <Salary>200</Salary>
              </Subdivision>")

names  <- xml_text(xml_find_all(interimxml ,"//Subdivision/Name"))
salary <- xml_text(xml_find_all(interimxml ,"//Subdivision/Salary"))

names
salary

# combine in to tibble (doesn't work because of inequal vector lengths)
result <- tibble(names=names, 
                 salary = salary)
result

rbind(names, salary)

从（组成的）XML 文件中，您可以看到 Charles 赚了 100 美元，Laura 一无所获（因为缺少条目，这是问题），Steve 赚了 200 美元。 p>

我想要 xml2 做的是，当查询名称和薪水节点时，当它找到一个名称但没有相应的薪水条目时返回一个“NA”（或零也可以），这样我就结束了像这样摆一张漂亮的桌子：

Name	Salary
Charles	100
Laura	NA
Steve	200

我知道我可以修改“xpath”以仅获取最后一个值（对于史蒂夫），这对我没有帮助，因为（在真实数据中）它也可能是第 100 或第 23 个人缺少工资信息。

[ 我知道工资号是作为字符值从 xml 文件中提取的。之后我会在列上进行变异（跨（薪水，as.double）。]

非常感谢任何帮助。非常感谢您。

Answer 1

您需要更加小心地匹配姓名和薪水。基本上首先找到所有<Name> 节点，然后仅检查它们的下一个兄弟节点是否是<Salary> 节点。如果不是，则返回 NA。

nameNodes <- xml_find_all(interimxml ,"//Subdivision/Name")
names <- xml_text(nameNodes)
salary <- map_chr(nameNodes, ~xml_text(xml_find_first(., "./following-sibling::*[1][self::Salary]")))

tibble::tibble(names, salary)
#   names   salary
#   <chr>   <chr> 
# 1 Charles 100   
# 2 Laura   NA    
# 3 Steve   200