lapply在xml對象列表上

Question

這是我在這里的第一篇文章，所以請原諒發布指南中的任何錯誤

我正在嘗試從pubmed讀取xml數據，以提取作者關聯的數據

每個條目都包含一組節點，如下所示：

<AuthorList>
          <Author>
            <LastName>Serra-Blasco</LastName>
            <ForeName>Maria</ForeName>
            <Initials>M</Initials>
            <AffiliationInfo>
              <Affiliation>Department of Psychiatry, Hospital de la Santa Creu i Sant Pau, Biomedical Research Institute Sant Pau (IIB Sant Pau), Universitat Autònoma de Barcelona (UAB), Centro de Investigación Biomédica en Red de Salud Mental (CIBERSAM), Barcelona, Catalonia, Spain.</Affiliation>
            </AffiliationInfo>
          </Author>
          ...

我想最終得到一個數據框，其中包含連續的每個作者姓名和從屬關系。

我嘗試使用xpathSApply來解析讀取“// Author”的節點，最后得到一個xml節點列表。

進一步解析被證明是一個問題：我編寫的代碼適用於此列表的單個元素;

例如，如果列表是authorlist列表

我可以使用這個函數（在元素中使用xpathSApply）為authorlist[[1]]提取一個合適的數組

但是當我嘗試在這個函數周圍進行包裝時，它會給出一個錯誤，指出它無法在列表上執行xpathApply。 確切的錯誤調用是：

UseMethod（“xpathApply”）中的錯誤：沒有適用於“xpathApply”的方法應用於類“list”的對象

我推測lapply稱之為[i]等價的列表子集，而我需要的是[[i]]。 有沒有解決的辦法？ 或者我是否必須重寫其他一些規則？

我願意改寫（這只是我正在做的一些事情），但這個問題似乎很有意思，希望你能幫忙！

Answer 1

在使用html / xml文件時，我更喜歡使用rvest包。 基於您的簡單示例：

library(rvest)
myxml<-read_xml("author.xml")

lastname<-xml_text(xml_nodes(myxml,"LastName"))
firstname<-xml_text(xml_nodes(myxml,"ForeName"))
affiliation<-xml_text(xml_nodes(myxml,"Affiliation"))
df<-data.frame(firstname, lastname, affiliation)

如果xml文件的結構發生更改，則調用data.frame命令將出錯，並且需要一些額外的工作才能正確解析該文件。

Answer 2

這將有助於顯示產生錯誤的代碼，但您可以嘗試xmlToDataFrame

url <- "http://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?db=pubmed&id=23620451&rettype=XML"
doc <- xmlParse(url)

xmlToDataFrame(doc["//Author"])
           LastName ForeName Initials                   AffiliationInfo
1      Serra-Blasco    Maria        M Department of Psychiatry...Spain.
2          Portella  Maria J       MJ                              <NA>
3       Gómez-Ansón  Beatriz        B                              <NA>
...

如果您獲得具有零個或多個標記的節點，我通常會創建一個函數來將缺少的標記設置為NA，並使用分隔符來連接多個標記。

authors <- getNodeSet(doc, "//Author")

xpath2 <-function(x, path){
     y <- xpathSApply(x, path, xmlValue)
     ifelse(length(y)==0, NA, 
        ifelse(length(y)>1, paste(y, collapse=", "), y))
}

last <- sapply(authors, xpath2, ".//LastName")
aff <- sapply(authors, xpath2, ".//Affiliation")
data.frame(last, aff)
               last                               aff
1      Serra-Blasco Department of Psychiatry...Spain.
2          Portella                              <NA>
3       Gómez-Ansón                              <NA>