解析 XML 一直给出 0 的节点集

Question

这是我的第一个堆栈问题，所以如果我做错了什么请告诉我。

我正在尝试使用 xml2 包和 pandas 包解析数据。您可以在下方找到数据的匿名快照。

<?xml version="1.0" encoding="utf-8"?>
<a xmlns:xsd="http://www.y.org/y1/y2" xmlns:xsi="http://www.y.org/y1/y3" xmlns="http://x.nl/">
  <b1>1</b1>
  <b2>2019-07-01T10:01:35.312+02:00</b2>
  <b3>xxx</b3>
  <b4>xxx</b4>
  <b5>
    <c>
      <d1>
      </d1>
      <d2>xxxx</d2>
      <d3>
        <e1>
        </e1>
        <e2>
          <ID>1</ID>
          <f2>XXXXXXXXXXX</f2>
          <event>
            <eventType>start</eventType>
            <eventValue>true</eventValue>
            <timestamp>2019-10-07T13:45:00.00+02.00</timestamp>
          </event>
          <event>
            <eventType>next</eventType>
            <eventValue>itm1</eventValue>
            <timestamp>2019-10-07T13:46:00.00+02.00</timestamp>
          </event>
          <event>
            <eventType>next</eventType>
            <eventValue>itm2</eventValue>
            <timestamp>2019-10-07T13:47:00.00+02.00</timestamp>
          </event>
          <event>
            <eventType>next</eventType>
            <eventValue>itm3</eventValue>
            <timestamp>2019-10-07T13:48:00.00+02.00</timestamp>
          </event>

我想创建类似于下面的 table 的内容。

+-----------+------------+------------------------------+
| EventType | EventValue |          timestamp           |
+-----------+------------+------------------------------+
| start     | true       | 2019-10-07T13:45:00.00+02.00 |
| next      | itm1       | 2019-10-07T13:46:00.00+02.00 |
| next      | itm2       | 2019-10-07T13:47:00.00+02.00 |
| next      | itm3       | 2019-10-07T13:48:00.00+02.00 |
+-----------+------------+------------------------------+

我尝试了 xml_find_all 函数来查找所有事件，但我总是得到 {xml_nodeset (0))}。

x <- xml_find_all(data, "//event", xml_ns(data))

有人可以向我发送正确的方向并可能给我一个提示来创建一个像上面一样的数据框吗？会很棒

Answer 1

此 XML 文件包含一些命名空间：

> xml_ns(data)
d1  <-> http://x.nl/
xsd <-> http://www.y.org/y1/y2
xsi <-> http://www.y.org/y1/y3

要从中读取节点，有两种方法。简单的方法是删除所有名称空间：

xml_ns_strip(data)
events <- xml_find_all(data, "//event")
df_event <- 
  data.frame(
    EventType = events %>% xml_find_first("./eventType") %>% xml_text(),
    EventValue = events %>% xml_find_first("./eventValue") %>% xml_text(),
    timestamp = events %>% xml_find_first("./timestamp") %>% xml_text()
  )

或者您可以将前缀添加到您的 XPath 以获取节点：

events <- xml_find_all(data, "//d1:event")  # d1 is the default namespace
df_event <- 
  data.frame(
    EventType = events %>% xml_find_first("./d1:eventType") %>% xml_text(),
    EventValue = events %>% xml_find_first("./d1:eventValue") %>% xml_text(),
    timestamp = events %>% xml_find_first("./d1:timestamp") %>% xml_text()
  )

输出：

> df_event
  EventType EventValue                    timestamp
1     start       true 2019-10-07T13:45:00.00+02.00
2      next       itm1 2019-10-07T13:46:00.00+02.00
3      next       itm2 2019-10-07T13:47:00.00+02.00
4      next       itm3 2019-10-07T13:48:00.00+02.00

解析 XML 一直给出 0 的节点集

Parsing XML keeps giving nodeset of 0

xml

parsing

r

xml-parsing

xml2