因为要读取一个XML格式的数据，学习整理XML包。
1.XML包
1.1. 载入XML文件
有两种方法：
library(RCurl) library(XML) url<-"http://www.w3school.com.cn/example/xdom/books.xml" #注，也可以为url复制本地文件的路径 doc<-xmlTreeParse(getURL(url),useInternal = TRUE) d <- xmlRoot(doc)
1.2. 获取特定的节点
详细XPath语言见XPath 语法
使用函数getNodeSet(doc,XPath)
XPath的常见用法：
获取第一个son元素
/root/son[1]
getNodeSet(d,"/bookstore/book[1]")
获取最后一个son元素
/root/son[last()]
getNodeSet(d,"/bookstore/book[last()]")
获取前两个son元素
/root/son[position() < 3]
getNodeSet(d,"/bookstore/book[position() < 3]")
获取任意son2元素
//son2
getNodeSet(d,"/bookstore/book") getNodeSet(d,"/bookstore/book/title")
getNodeSet(d,"//book[@category]")
getNodeSet(d,"//book[@category='web']")
获取root下所有元素
/root/*
getNodeSet(d,"/bookstore/*")
getNodeSet(d,"//book[@*]")
节点相关函数
class(xmltop) #查看类
xmlName(node)：查看根目录名。
node[[1]]：查看第一个子目录
node[1]]：查看第一个子目录的第二个节点
xmlSize(node)：该节点下字节点数量。
xmlAttrs(node)：该节点属性。
xmlGetAttr(node,attr)：该节点某一属性。
xmlValue(node)：该节点值。
xmlChildren(node)：该节点下的子节点。
class(d) xmlName(d) xmlSize(d) xmlAttrs(d) xmlAttrs(d[[1]]) xmlAttrs(d[[1]][[1]]) xmlGetAttr(d[[1]][[1]],"lang") xmlChildren(d[[1]]) #通过以下方式获得的节点类型不同，建议使用getNodeSet d[[1]][[1]] getNodeSet(d,"//book/title")[[1]] getNodeSet(d,"//book[1]/title")
1.3 xmlSApply和xmlApply
读取节点的值
#读取第一本书的"title"的值 d[[1]][[1]][[1]] xmlValue(d[[1]][[1]]) xpathSApply(d,"/bookstore/book[1]/title",xmlValue) xpathSApply(d,"//book[1]/title",xmlValue) xpathSApply(d,"//book/title",xmlName) xpathSApply(d,xmlSize) xpathSApply(d,xmlAttrs) #xpathSApply和xpathApply的区别： #xpathSApply是xpathApply读取值的一个因子 xpathApply(d,xmlName) xpathApply(d,xmlSize) xpathApply(d,xmlAttrs)
读取节点的属性值
xmlGetAttr(d[[1]][[1]],"lang") title<-getNodeSet(d,"//book[1]/title") title_lang<-sapply(title,xmlGetAttr,"lang") sapply(xmlChildren(d),"category") #也可以通过该方法读取节点的值 title_value<-sapply(title,xmlValue) sapply(xmlChildren(d[["book"]]),xmlValue)
1.4 xml格式转dataframe
book <- getNodeSet(d,"//book") mybook <- sapply(book,xmlValue) #第一种方式，直接用xmlToDataFrame()函数 xmlToDataFrame(d) #由于book[4]不规范，导致转化失败 xmlToDataFrame(xmlChildren(d)[["book"]]) xmlToDataFrame(getNodeSet(d,"//book[1]")) xmlToDataFrame(nodes = getNodeSet(d,"//book/title")) #第二种方式，数据格式处理专用包plyr library("plyr") #先转成list,再转dataframe MyBooks <- ldply(xmlToList(d),data.frame) MyBooks <- ldply(xmlToList(getNodeSet(d,"//book")),data.frame) #第三种方式，读取单个值后组合为dataframe author <- xpathSApply(d,"//book/author",xmlValue) #对第四个book的author值做特殊处理 author4 <- xpathSApply(d,"//book[4]/author",xmlValue) author4 <- paste(author4,collapse = ",") author <- c(author[1:3],author4) MyBooks <- data.frame( category=sapply(xmlChildren(d),"category"),title=xpathSApply(d,xmlValue),author,year=xpathSApply(d,"//book/year",price=xpathSApply(d,"//book/price",xmlValue))
