將xml / html文檔中的元素強制轉換為data.frame

Question

假設您有以下格式的R文檔：

<grp>
<elementx>
  <sub_a>a</sub_a>
  <sub_b>b</sub_b>
  <sub_c>c</sub_c>
</elementx>
<elementx>
  <sub_a>1</sub_a>
  <sub_b>2</sub_b>
  <sub_c>3</sub_c>
</elementx>
</grp>

將這些脅迫到data.frame的最優雅的方法是data.frame ，即。 相當於以下..？

data.frame(sub_a = c('a',1), sub_b = c('b',2), sub_c = c('c',3))
  sub_a sub_b sub_c
1     a     b     c
2     1     2     3

它不是html表，但是由於所有元素都共享相同的簡單內部格式，因此我們應該能夠像對待表一樣對待它們。

Answer 1

使用已經具有這種簡單結構的xml，可以使用XML包中的xmlToDataFrame()輕松地對其進行轉換，如下所示：

library(XML)

xmlstr <- 
"<grp>
  <elementx>
    <sub_a>a</sub_a>
    <sub_b>b</sub_b>
    <sub_c>c</sub_c>
  </elementx>
  <elementx>
    <sub_a>1</sub_a>
    <sub_b>2</sub_b>
    <sub_c>3</sub_c>
  </elementx>
</grp>"  

df <- xmlToDataFrame(xmlstr)
df
#  sub_a sub_b sub_c
#1     a     b     c
#2     1     2     3

如果xml在文件而不是字符串中，則可以使用以下命令：

xmlstr <- readLines("test.xml")
df <- xmlToDataFrame(xmlstr)

如果您想直接從http地址獲取xml（如您問題的注釋中所示），則可以使用

doc = readLines('https://www.gov.uk/government/announcements.atom?announcement_filter_option=statements&topics%5B%5D=transport')
df2 <- xmlToDataFrame(doc)

如果您要處理的大型XML文件轉換速度很慢，則此博客文章描述了github上托管的一種更快的函數，您可以嘗試： require(devtools); install_github("processVISION", "muschellij2") require(devtools); install_github("processVISION", "muschellij2")