在巨大的XML文件中组合值

我需要在一些巨大的 XML 文件中查找和组合信息(doc< - xmlInternalTreeParse(file.name,useInternalNodes = TRUE,trim = TRUE)导致我的16GB计算机在完成之前开始交换到磁盘),并且已经跟着好了关于 http://www.omegahat.org/RSXML/Overview.html的说明.

从那里添加示例,这或多或少是我的文件的样子：

<?xml version="1.0" ?>
<TABLE>
  <SCHOOL>
    <NAME> School1 </NAME>
    <GRADES>
      <STUDENT> Fred </STUDENT>
      <TEST1> 66 </TEST1>
      <TEST2> 80 </TEST2>
      <FINAL> 70 </FINAL>
    </GRADES>
    <TEAMS>
      <SOCCER> SoccerTeam1 </SOCCER>
      <HOCKEY> HockeyTeam1 </HOCKEY>
    </TEAMS>
  </SCHOOL>
  <SCHOOL>
    <NAME> School2 </NAME>
    <GRADES>
      <STUDENT> Wilma </STUDENT>
      <TEST1> 97 </TEST1>
      <TEST2> 91 </TEST2>
      <FINAL> 98 </FINAL>
    </GRADES>
    <TEAMS>
      <SOCCER> SoccerTeam2 </SOCCER>
    </TEAMS>
  </SCHOOL>
</TABLE>

我需要为每个学校的学生列出曲棍球队和队名.示例中所需的输出应为“Fred”,“HockeyTeam1”,“School1”.真实的例子有成千上万的“学校”,“曲棍球队”和“球员”.

如何使用xmlEventParse解析文件以提取信息？我试图从文件中提取所有文本字段,但经过几个小时的等待后仍然没有输出.注意：真实文件比这更嵌套,因此不需要步骤固定级别来查找信息.

我们将使用XML包

library(XML)

并创建一个闭包,其中包含一个处理’SCHOOL’节点的函数,以及两个辅助函数来完成后检索结果.在每个SCHOOL节点上调用SCHOOL函数.如果它找到一个曲棍球队,它使用/ SCHOOL / NAME / text()作为’key’,和/ SCHOOL / TEAMS / HOCKEY / text()和// STUDENT / text()(或/ SCHOOL / GRADES / STUDENT / text())作为值.每100个(默认情况下)有曲棍球队的学校会打印一条消息,以便有一些进度指示.事后使用’get’函数来检索结果.

teams <- function(progress=1000) {
    res <- new.env(parent=emptyenv())   # for results
    it <- 0L                            # iterator -- nodes visited
    list(SCHOOL=function(elt) {
        ## handle 'SCHOOL' nodes 
        if (getNodeSet(elt,"not(/SCHOOL/TEAMS/HOCKEY)"))
            ## early exit -- no hockey team
            return(NULL)
        it <<- it + 1L
        if (it %% progress == 0L)
            message(it)
        school <- getNodeSet(elt,"string(/SCHOOL/NAME/text())") # 'key'
        res[[school]] <-
            list(team=getNodeSet(elt,"normalize-space(/SCHOOL/TEAMS/HOCKEY/text())"),students= xpathSApply(elt,"//STUDENT",xmlValue))
    },getres = function() {
        ## retrieve the 'res' environment when done
        res
    },get=function() {
        ## retrieve 'res' environment as data.frame
        school <- ls(res)
        team <- unlist(eapply(res,"[[","team"),use.names=FALSE)
        student <- eapply(res,"students")
        len <- sapply(student,length)
        data.frame(school=rep(school,len),team=rep(team,student=unlist(student,use.names=FALSE))
    })
}

我们使用函数as

branches <- teams()
xmlEventParse("event.xml",handlers=NULL,branches=branches)
branches$get()

在巨大的XML文件中组合值

猜你在找的XML相关文章