在R中的引号“”内提取id值答案

【问题标题】：Extract id values within quotation marks "" in R在R中的引号“”内提取id值
【发布时间】：2016-03-16 14:02:05
【问题描述】：

我有以下数据（XML/OSM 文件提取）：

<?xml version="1.0" encoding="UTF-8"?>
<osm version="0.6" generator="Osmosis 0.44.1">
  <node id="3569633" version="1" timestamp="2016-03-02T22:09:35Z">
    <tag k="housenumber" v="8"/>
    <tag k="street" v="Test Street"/>
  </node>
  <relation id="3571336" version="1" timestamp="2016-03-02T22:09:35Z">
    <member type="way" ref="3571337" role="outer"/>
    <tag k="type" v="boundary"/>
    <tag k="admin_level" v="8"/>
    <tag k="boundary" v="administrative"/>
  </relation>
 <way id="3536236" version="1" timestamp="2016-03-02T22:09:35Z">
    <nd ref="3536237"/>
    <nd ref="3536238"/>
    <nd ref="3536239"/>
    <nd ref="3536240"/>
    <nd ref="3536241"/>
 </way>
</osm>

我现在要做的是提取 id 号码，所以在这种情况下：

3569633
3571336
3536236

并将其保存为向量，以便我可以对其使用 max() 函数。

我对任何（“快速”）R 解决方案持开放态度。我尝试使用 xml 包但没有成功，因为我的 Xpath 知识太基础了。我也想过使用正则表达式，但在这里，我也想念这些知识。当使用能够应用正则表达式的文本编辑器时，我得到了以下表达式：

id="(\d+)"

但这会标记所有：

id="3569633"

部分。如果我可以调整它以找到引号之间的值。我可以使用readLines() 函数，也许还可以使用grep()

任何帮助将不胜感激。

另外还可以提取ref="" 部分的数字，以便最终向量包含以下值：

【问题讨论】：

您可以通过//*/@ref、id 和//*/@id 轻松获取ref 属性值。请发布您尝试过的 XML 代码。
使用this，您可以选择使用$2 的组。使用this，您可以使用积极的后视。

标签： regex xml r

【解决方案1】：

虽然我不鼓励使用正则表达式来解析 XML 和 HTML 内容。

对于这种特殊情况，您只需像这样使用look around 断言。

正则表达式： (?<=id="|ref=")\d+(?=")

说明：

(?<=id="|ref=") 将向后查找 id 或 ref 部分。
\d+ 将匹配您的号码。而(?=") 将提前查找结束引号。

`Regex101 Demo`

【讨论】：

【解决方案2】：

您可以使用非常基本的 XPath 使用 XML 包轻松获得所需的内容：

> library(XML)
> url = "PATH_TO_XML_FILE"
> parsed_doc = htmlParse(file=url, useInternalNodes = TRUE)
> attrs <- getNodeSet(doc = parsed_doc, path = "//*[@id or @ref]")
> ids <- sapply(attrs, xmlGetAttr, "id") 
> refs <- sapply(attrs, xmlGetAttr, "ref")
> res <- mapply(c, ids, refs, SIMPLIFY=FALSE)
> unlist(res)
[1] "3569633" "3571336" "3571337" "3536236" "3536237" "3536238" "3536239" "3536240" "3536241"

//*[@id or @ref] XPath 表达式将获取所有具有id 和ref 属性的节点。使用sapply(attrs, xmlGetAttr, "id")，您将获得id 属性的值。以类似的方式，您可以获取ref 属性值并将它们附加到现有的id 属性列表中，然后您可以将两个列表与mapply(c, ids, refs, SIMPLIFY=FALSE) 合并。

【讨论】：

【解决方案3】：

如果你只想要 nd @refs，试试

doc <- xmlParse('your XML above')
#xpathSApply(doc, "//@id|//@ref")
 xpathSApply(doc, "//@id|//nd/@ref")
       id        id        id       ref       ref       ref       ref       ref 
"3569633" "3571336" "3536236" "3536237" "3536238" "3536239" "3536240" "3536241"

【讨论】：