这个问题类似于上一个问题
Import all fields (and subfields) of XML as dataframe,但我想只提取XML数据的一个子集,并希望包含缺失/多个值.
我从一个XML文件开始,想要根据它包含的一些数据在R中构造一个数据帧,由XML元素的内容定义.用一个例子来解释是最容易的.在下面,我想要找出每个城市的地标信息(即使没有地标元素或有几个),并忽略有关电台的信息.
<world>
<city>
<name>London</name>
<buildings>
<building>
<type>landmark</type>
<bname>Tower Bridge</bname>
</building>
<building>
<type>station</type>
<bname>Waterloo</bname>
</building>
</buildings>
</city>
<city>
<name>New York</name>
<buildings>
<building>
<type>station</type>
<bname>Grand Central</bname>
</building>
</buildings>
</city>
<city>
<name>Paris</name>
<buildings>
<building>
<type>landmark</type>
<bname>Eiffel Tower</bname>
</building>
<building>
<type>landmark</type>
<bname>Louvre</bname>
</building>
</buildings>
</city>
</world>
理想情况下,这将进入如下所示的数据框：
London Tower Bridge New York NA Paris Eiffel Tower Paris Louvre
我假设可能有一种方法可以使用XML库和xpathSApply来做到这一点,但我想我已经被打败了.
也无法想象如何在不参考示例的情况下对问题进行短语,因此请随意编辑以提供更具描述性的问题.
假设XML数据位于名为world.xml的文件中,请将其读入并遍历城市,提取城市名称和任何相关地标的bname：
library(XML)
doc <- xmlParse("world.xml",useInternalNodes = TRUE)
do.call(rbind,xpathApply(doc,"/world/city",function(node) {
city <- xmlValue(node[["name"]])
xp <- "./buildings/building[./type/text()='landmark']/bname"
landmark <- xpathSApply(node,xp,xmlValue)
if (is.null(landmark)) landmark <- NA
data.frame(city,landmark,stringsAsFactors = FALSE)
}))
结果是：
city landmark 1 London Tower Bridge 2 New York <NA> 3 Paris Eiffel Tower 4 Paris Louvre
