将 xml 解析为数据框，包括 R 中的子项和属性

Question

我正在尝试从附件中创建数据框 xml https://1drv.ms/u/s!Am7buNMZi-gwgeBmbk6A-NRIRarjYw?e=Pcgm7c

我需要为所有玩家获取他们的列信息和关于团队（父）的信息

XML 样本

<SoccerFeed timestamp="20190519T183022+0000">
  <SoccerDocument Type="SQUADS Latest" competition_code="ES_PL" competition_id="23" competition_name="Spanish La Liga" season_id="2018" season_name="Season 2018/2019">
    <Team country="Spain" country_id="4" country_iso="ES" official_club_name="Deportivo Alavés S.A.D." region_id="17" region_name="Europe" short_club_name="Alavés" uID="t173">
      <Founded>1921</Founded>
      <Name>Alavés</Name>
      <Player uID="p91406">
        <Name>Fernando Pacheco</Name>
        <Position>Goalkeeper</Position>
        <Stat Type="first_name">Fernando</Stat>
        <Stat Type="last_name">Pacheco</Stat>
        <Stat Type="birth_date">1992-05-18</Stat>
        <Stat Type="birth_place">Badajoz</Stat>
        <Stat Type="first_nationality">Spain</Stat>
        <Stat Type="preferred_foot">Left</Stat>
        <Stat Type="weight">81</Stat>
        <Stat Type="height">186</Stat>
        <Stat Type="jersey_num">1</Stat>
        <Stat Type="real_position">Goalkeeper</Stat>
        <Stat Type="real_position_side">Unknown</Stat>
        <Stat Type="join_date">2015-08-07</Stat>
        <Stat Type="country">Spain</Stat>
      </Player>
      <Player uID="p176245">
        <Name>Antonio Sivera</Name>
        <Position>Goalkeeper</Position>
        <Stat Type="first_name">Antonio</Stat>
        <Stat Type="last_name">Sivera</Stat>
        <Stat Type="birth_date">1996-08-11</Stat>
        <Stat Type="birth_place">Jávea</Stat>
        <Stat Type="first_nationality">Spain</Stat>
        <Stat Type="preferred_foot">Right</Stat>
        <Stat Type="weight">75</Stat>
        <Stat Type="height">184</Stat>
        <Stat Type="jersey_num">13</Stat>
        <Stat Type="real_position">Goalkeeper</Stat>
        <Stat Type="real_position_side">Unknown</Stat>
        <Stat Type="join_date">2017-07-19</Stat>
        <Stat Type="country">Spain</Stat>
      </Player>
     </Team>
     <Team city="Madrid" country="Spain" country_id="4" country_iso="ES" official_club_name="Club Atlético de Madrid S.A.D" postal_code="28005" region_id="17" region_name="Europe" short_club_name="Atlético" street="Paseo Virgen del Puerto, 67" uID="t175" web_address="www.clubatleticodemadrid.com/">
      <Founded>1903</Founded>
      <Name>Atlético de Madrid</Name>
      <Player uID="p59981">
        <Name>Antonio Adán</Name>
        <Position>Goalkeeper</Position>
        <Stat Type="first_name">Antonio</Stat>
        <Stat Type="last_name">Adán</Stat>
        <Stat Type="birth_date">1987-05-13</Stat>
        <Stat Type="birth_place">Madrid</Stat>
        <Stat Type="first_nationality">Spain</Stat>
        <Stat Type="preferred_foot">Left</Stat>
        <Stat Type="weight">92</Stat>
        <Stat Type="height">190</Stat>
        <Stat Type="jersey_num">1</Stat>
        <Stat Type="real_position">Goalkeeper</Stat>
        <Stat Type="real_position_side">Unknown</Stat>
        <Stat Type="join_date">2018-07-10</Stat>
        <Stat Type="country">Spain</Stat>
      </Player>
      <Player uID="p81352">
        <Name>Jan Oblak</Name>
        <Position>Goalkeeper</Position>
        <Stat Type="first_name">Jan</Stat>
        <Stat Type="last_name">Oblak</Stat>
        <Stat Type="birth_date">1993-01-07</Stat>
        <Stat Type="birth_place">Skojfa Loka</Stat>
        <Stat Type="first_nationality">Slovenia</Stat>
        <Stat Type="preferred_foot">Right</Stat>
        <Stat Type="weight">87</Stat>
        <Stat Type="height">188</Stat>
        <Stat Type="jersey_num">13</Stat>
        <Stat Type="real_position">Goalkeeper</Stat>
        <Stat Type="real_position_side">Unknown</Stat>
        <Stat Type="join_date">2014-07-16</Stat>
        <Stat Type="country">Slovenia</Stat>
      </Player>
     </Team>
   </SoccerDocument>
</SoccerFeed>

我想要的栏目

团队专栏

国家（SoccerFeed/SoccerDocument/Team 属性）
country_id（SoccerFeed/SoccerDocument/Team 属性）
country_iso（SoccerFeed/SoccerDocument/Team 属性）
official_club_name（SoccerFeed/SoccerDocument/Team 属性）
region_id（SoccerFeed/SoccerDocument/Team 属性）
region_name（SoccerFeed/SoccerDocument/Team 属性）
short_club_name（SoccerFeed/SoccerDocument/Team 属性）
team_uID（SoccerFeed/SoccerDocument/Team 属性 uID）
team_name（SoccerFeed/SoccerDocument/Team/姓名）
team_founded（SoccerFeed/SoccerDocument/Team/成立）

玩家专栏

player_uID (/SoccerFeed/SoccerDocument/Team/玩家)
player_name (/SoccerFeed/SoccerDocument/Team/玩家/姓名)
player_position (/SoccerFeed/SoccerDocument/Team/玩家/位置)
player_first_name（/SoccerFeed/SoccerDocument/Team/玩家/统计类型=名字）
player_last_name (/SoccerFeed/SoccerDocument/Team/Player/Stat type = last name)
player_first_name（/SoccerFeed/SoccerDocument/Team/玩家/统计类型=名字）
player_birth_place（/SoccerFeed/SoccerDocument/Team/玩家/统计类型=出生地）
player_preferred_foot (/SoccerFeed/SoccerDocument/Team/玩家/统计类型 = preferred_foot) ...其他球员统计数据（体重、身高、jersey_num、...国家）

我对 /SoccerFeed/SoccerDocument/PlayerChanges

部分玩家更改下的团队和玩家节点不感兴趣

我开始使用 tidyverse 和 xml2 结合 tidyverse 收集球员信息，但我无法获得球队家长信息和球员的不同统计数据


library(xml2)
library(tidyverse)
library(plyr)



x <- read_xml("squads.xml")

players <- x %>% 
  xml_find_all('/SoccerFeed/SoccerDocument/Team/Player') %>% 
  map_df(~flatten(c(xml_attrs(.x), 
                    map(xml_children(.x), 
                        ~set_names(as.list(xml_text(.x)), xml_name(.x)))))) %>%
  type_convert()

Answer 1

由于您使用 xml2 并且需要跨嵌套级别不同的各种数据节点，请考虑 XSLT，旨在转换 [=41] 的专用语言（如 SQL） =] 文件。在 R 中，xslt 包，xml2 的姊妹模块，可以运行 XSLT 1.0 脚本。 XSLT 的递归、模板性质有助于避免复杂的嵌套循环或在应用层映射，这里是 R。加上 XSLT 是可移植的（如 SQL）并且可以运行在 R 之外。

虽然这可能是一个需要学习曲线的全新概念，但它可以将您的 XML 完全扁平化为数据集所需的二维结构。您还将 XML 处理 (XSLT) 与数据处理 (R) 分开。具体来说，仅 Player 级别保留，相应的 Team 数据向下迁移（参见演示）。

XSLT （另存为.xsl，一个特殊的.xml文件）

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:output indent="yes"/>
  <xsl:strip-space elements="*"/>

  <xsl:template match="/SoccerFeed|SoccerDocument">
      <xsl:apply-templates select="*"/>
  </xsl:template>

  <xsl:template match="Team">
      <xsl:apply-templates select="Player"/>
  </xsl:template>

  <xsl:template match="Team/@*">
    <xsl:element name="{concat('team_', name(.))}">
      <xsl:value-of select="."/>      
    </xsl:element>
  </xsl:template>

  <xsl:template match="Player">
    <xsl:copy>
      <xsl:apply-templates select="ancestor::Team/@*"/>
      <xsl:copy-of select="Name|Position"/>
      <xsl:apply-templates select="@*|Stat"/>
    </xsl:copy>
  </xsl:template>

  <xsl:template match="Player/@*">
    <xsl:element name="{name(.)}">
      <xsl:value-of select="."/>      
    </xsl:element>
  </xsl:template>

  <xsl:template match="Stat">
    <xsl:element name="{@Type}">
      <xsl:value-of select="text()"/>     
    </xsl:element>
  </xsl:template>
</xsl:stylesheet>

Online Demo

R (得到所有字符类型的数据框)

library(xml2)
library(xslt)
library(dplyr)

# INPUT SOURCE
doc <- read_xml("/path/to/Input.xml")
style <- read_xml("/path/to/Style.xsl", package = "xslt")

# TRANSFORM 
new_xml <- xml_xslt(doc, style)

# RETRIEVE Player NODES
recs <- xml_find_all(new_xml, "//Player")

# BIND EACH CHILD TEXT AND NAME TO Player DFs
df_list <- lapply(recs, function(r) 
    data.frame(rbind(setNames(xml_text(xml_children(r)), 
                              xml_name(xml_children(r)))),
               stringsAsFactors = FALSE)
)

# BIND ALL DFs TO SINGLE MASTER DF
final_df <- bind_rows(df_list)

将 xml 解析为数据框，包括 R 中的子项和属性

Parse xml to dataframe including children and attributes in R

xml

r

xml2

tidyverse