XML 个文件到数据框

Question

我想阅读 XML 860 个文件。

所有 xml 个文件都具有

结构

<ip id_pac="48">
      <rodcis>48</rodcis>
      <jmeno>Andrew</jmeno>
      <prijmeni>Mazal</prijmeni>
      <titul_pred></titul_pred>
      <titul_za></titul_za>
      <dat_dn format="D">1999-06-21</dat_dn>
      <dat_de format="D"></dat_de>
      <sex>M</sex>
      <rod_prijm></rod_prijm>
      <a typ="1">
        <dat_od format="D">2020-09-17</dat_od>
      </a>
    </ip>

我想获取其中一列为“rodcis”（在本例中为 48）和第二列为“dat_od”（在本例中为 2020-09-17）的数据框

我正在尝试这个

获取所有 XML 个文件

    files <- list.files(path = "~/Downloads/XML", 
                        pattern = "*.xml",
                        full.names = TRUE)

获取包含所有 860 XML 个文件的列表（输出）

    out <- lapply(files, xmlParse)

列表到数据框

    dataframe <- do.call(rbind, lapply(out, function(x) rootnode[[1]][[2]], rootnode[[2]][[1]]))

但是出现了一个我不明白的错误。

cannot coerce type 'externalptr' to vector of type 'list'

Answer 1

这是使用 xml2 包的可能解决方案。有关分步指南，请参阅代码中的注释。

library(xml2)
library(dplyr)

#loop through the file list with lapply
dfs <-lapply(files, function(file) {
   #read file
   page <- read_xml(file)
   
   #get id for each file
   id <- xml_find_first(out, "//ip") %>% xml_attr("id_pac") 
   
   #get information from each the requested nodes
   rodcis <- xml_find_first(out, ".//rodcis") %>% xml_text()
   datod <- xml_find_first(out, ".//dat_od") %>% xml_text()
   
   #make data frame of results for each file
   data.frame(id, rodcis, datod)
})

#combine all results into 1 data frame
answer <- bind_rows(dfs)

XML 个文件到数据框

XML files to dataframe

xml

r

xml-parsing