解析 xml 以在 R 中列出：当 xml 结构变化时如何一致地访问节点？答案

【问题标题】：parsing xml to list in R: how to consistently access nodes when xml structure varies?解析 xml 以在 R 中列出：当 xml 结构变化时如何一致地访问节点？
【发布时间】：2011-03-24 20:03:57
【问题描述】：

背景

我有一个 xml 设置文件，看起来像这样：

<level1>
 <level2>
   <level3>
    <level4name>bob</level4name>
   </level3>
 </level2>
</level1>

但level3可以有多个实例

<level1>
 <level2>
   <level3>
    <level4name>bob</level4name> 
   </level3>
   <level3>
    <level4name>jack</level4name> 
   </level3>
   <level3>
    <level4name>jill</level4name> 
   </level3>
 </level2>
</level1>

每个level3也可以有多种类型的level4节点：

   <level3>
    <level4name>bob</level4name> 
    <level4dir>/home/bob/ </level4dir> 
    <level4logical>TRUE</level4logical> 
   </level3>

在 R 中，我使用

加载此文件

settings.xml <- xmlTreeParse(settings.file)
settings <- xmlToList(settings.xml)

我想编写一个脚本，将level4type1 中包含的所有值转换为此级别的唯一值向量，但我很难以适用于上述所有情况的方式执行此操作.

其中一个问题是class(settings[['level2']]) 是前两种情况的列表和第三种情况的矩阵。

> xmlToList(xmlTreeParse('case1.xml'))
$level2.level3.level4name
[1] "bob"
> xmlToList(xmlTreeParse('case2.xml'))
                  level2
level3.level4name "bob" 
level3.level4name "jack"
level3.level4name "jill"
> xmlToList(xmlTreeParse('case3.xml'))
       level2
level3 List,3
level3 List,1
level3 List,1

问题

我有两个问题：

如何提取 'level4type1` 的唯一值的向量
有没有更好的方法来做到这一点？

【问题讨论】：

我已经提交了issue on GitHub。此问题链接到 xmlToList 的替代实现，它不会表现出此行为（但可能包含其他问题）。

标签： xml r settings

【解决方案1】：

尝试使用XML的内部节点表示和xpath语言，非常强大。

> xml = xmlTreeParse("case2.xml", useInternalNodes=TRUE)
> xpathApply(xml, "//level4name", xmlValue)
[[1]]
[1] "bob"

[[2]]
[1] "jack"

[[3]]
[1] "jill"

【讨论】：

感谢@Martin，这几乎就是我想要的，但我还有两个问题：如果节点不在同一行，R 返回“\n bob \n”，是有一个简单的方法吗？除了使用unlist之外，有没有办法让函数返回一个向量？
xpath 有string functions 用于转换； normalize-space 去除前导/尾随空格。 this 提供了提示，但我认为除了迭代解决方案之外，您可能不太走运。返回向量请参见?xpathSApply。
@David 实际上，sapply(getNodeSet(xml, "//level4name"), xpathApply, "normalize-space()") 首先获取节点，然后对每个节点的空间进行规范化。
+1 因为这一行解决了我在可预见的未来的所有解析需求！