xml2在转换为数据帧时处理不清楚的错误

Question

我正在尝试将 xml 文件转换为数据框，而对于某些元素，它运行良好，而对于其他元素则不然。我不知道为什么。

这是XML的简单版本：

<?xml version="1.0" encoding="UTF-8"?>
  <clinical_study rank="6838">
    <arm_group>
    <arm_group_label>Arm I (Lozenge placebo)</arm_group_label>
    <arm_group_type>Placebo Comparator</arm_group_type>
    <description>Patients receive lozenge placebo PO QID.</description>
    </arm_group>
    <arm_group>
    <arm_group_label>Arm II (LBR lozenge)</arm_group_label>
    <arm_group_type>Experimental</arm_group_type>
    <description>Patients receive lyophilized black raspberries lozenge PO (8gms/day)</description>
    </arm_group>
    <arm_group>
    <arm_group_label>Arm III (Saliva Substitute placebo)</arm_group_label>
    <arm_group_type>Placebo Comparator</arm_group_type>
    <description>Patients receive Saliva Substitute placebo PO QID.</description>
    </arm_group>
    <arm_group>
    <arm_group_label>Arm IV (LBR Saliva Substitute)</arm_group_label>
    <arm_group_type>Experimental</arm_group_type>
    <description>Patients receive lyophilized black raspberries Saliva Substitute PO (8gms/day).</description>
    </arm_group>
    <condition_browse>
    <!-- CAUTION:  The following MeSH terms are assigned with an imperfect algorithm            -->
    <mesh_term>Carcinoma</mesh_term>
    <mesh_term>Carcinoma, Squamous Cell</mesh_term>
    <mesh_term>Laryngeal Diseases</mesh_term>
    <mesh_term>Laryngeal Neoplasms</mesh_term>
    <mesh_term>Oropharyngeal Neoplasms</mesh_term>
    <mesh_term>Carcinoma, Verrucous</mesh_term>
    <mesh_term>Nasopharyngeal Neoplasms</mesh_term>
    <mesh_term>Salivary Gland Neoplasms</mesh_term>
    <mesh_term>Paranasal Sinus Neoplasms</mesh_term>
    <mesh_term>Head and Neck Neoplasms</mesh_term>
    <mesh_term>Neoplasms, Unknown Primary</mesh_term>
    <mesh_term>Mouth Neoplasms</mesh_term>
    <mesh_term>Hypopharyngeal Neoplasms</mesh_term>
    <mesh_term>Tongue Neoplasms</mesh_term>
    <mesh_term>Lip Neoplasms</mesh_term>
    <mesh_term>Carcinoma in Situ</mesh_term>
    </condition_browse>
    <!-- Results have not yet been posted for this study                                          -->
    </clinical_study>

我正在使用的代码（工作代码）：

library(XML)
library(dplyr)
library(xml2)
# read group
outc <- xml_find_all(xml, "//arm_group") %>% as_list() %>% dplyr::bind_rows() %>% as.data.frame()

这段代码不起作用：

test1 <- xml_find_all(xml, "//condition_browse") %>% as_list() %>% dplyr::bind_rows() %>% as.data.frame()

第二段代码生成一个只有 1 行的数据集，而不是预期的多行数据帧。

我无法确定错误是来自我的 xml2 语法、xpath 语法还是来自 xml 数据。

可以支持一下吗？

Answer 1

condition_browse 下的所有节点都标记为："mesh_term"。 bind_rows 正在合并类似命名的行，因此只保存最后一个行。
尝试使用

temp <-  xml_find_all(xml, "//condition_browse") %>% as_list() %>% unlist() 

#convert into data frame
test1 <-data.frame(names=names(temp), value=temp)

这将提供略有不同的格式，但应该为您的其余分析提供一个良好的开端。

xml2在转换为数据帧时处理不清楚的错误

xml2 processing unclear error while transforming into dataframe

r

xml

dataframe

xml2