[英]Convert XML to Data Frame in R
您好我正在嘗試將以下 XML 代碼轉換為 R 中的數據框。但是我不能,因為每條記錄都缺少值。
RecordID 23063 包含以下數據:ActivityCreatedDate、ExpectedInstallDate、InvoiceTxnDate。 但是,以下一些節點並不具備所有這些元素。 RecordID 23321 缺少 InvoiceTxnDate 等。
<?xml version="1.0" encoding="windows-1252" ?>
<Record>
<RecordID>23063</RecordID>
<ActivityCreatedDate>2018-12-11T19:00:00</ActivityCreatedDate>
<ExpectedInstallDate>2018-12-19T19:00:00</ExpectedInstallDate>
<InvoiceTxnDate>2018-12-13T19:00:00</InvoiceTxnDate>
</Record>
<Record>
<RecordID>23321</RecordID>
<ActivityCreatedDate>2018-10-15T18:00:00</ActivityCreatedDate>
<ExpectedInstallDate>2018-11-14T19:00:00</ExpectedInstallDate>
</Record>
<Record>
<RecordID>23566</RecordID>
<ActivityCreatedDate>2019-01-23T19:00:00</ActivityCreatedDate>
</Record>
<Record>
<RecordID>23217</RecordID>
<ActivityCreatedDate>2018-12-20T19:00:00</ActivityCreatedDate>
<ExpectedInstallDate>2019-01-23T19:00:00</ExpectedInstallDate>
<InvoiceTxnDate>2019-01-18T19:00:00</InvoiceTxnDate>
</Record>
<Record>
<RecordID>23325</RecordID>
<ActivityCreatedDate>2018-05-25T18:00:00</ActivityCreatedDate>
<ExpectedInstallDate>2019-01-23T19:00:00</ExpectedInstallDate>
</Record>
</end of file>
目前我正在使用 xml2。 我正在使用 read_xml 將其讀取到變量中,然后使用 xml_find_all 和 trimws 將列存儲到列表中。 然后我嘗試將我的列表轉換為數據框,但由於維度關閉而失敗。
我想知道如何將上述 XML 轉換為如下所示的數據框:
RecordID ActivityCreatedDate ExpectedInstallDate InvoiceTxnDate
1 23063 2018-12-11T19:00:00 2018-12-19T19:00:00 2018-12-13T19:00:00
2 23321 2018-10-15T18:00:00 2018-11-14T19:00:00 NA
3 23566 2019-01-23T19:00:00 NA NA
4 23217 2018-12-20T19:00:00 2019-01-23T19:00:00 2019-01-18T19:00:00
5 23325 2018-05-25T18:00:00 2019-01-23T19:00:00 NA
在這種情況下,有沒有辦法遍歷每個 RecordID 並添加一個
<InvoiceTxnDate>NA</InvoiceTxnDate> or a <ExpectedInstallDate>NA</ExpectedInstallDate>
到節點,如果它丟失? 我會更樂意分享我擁有的所有統一數據的 R 代碼。 另外,如果這個問題沒有意義,請告訴我,我會更多地解釋自己。
您是否嘗試過使用XML
包?
XML::xmlToDataFrame('path to xml file')
> XML::xmlToDataFrame('~/R/test.xml')
RecordID ActivityCreatedDate ExpectedInstallDate InvoiceTxnDate
1 23063 2018-12-11T19:00:00 2018-12-19T19:00:00 2018-12-13T19:00:00
2 23321 2018-10-15T18:00:00 2018-11-14T19:00:00 <NA>
3 23566 2019-01-23T19:00:00 <NA> <NA>
4 23217 2018-12-20T19:00:00 2019-01-23T19:00:00 2019-01-18T19:00:00
5 23325 2018-05-25T18:00:00 2019-01-23T19:00:00 <NA>
在 XML 完全如上所示的情況下,沒有根節點。 您可以執行以下操作:
library(xml2)
library(rvest)
library(tidyverse)
## METHOD 1
## add missing root node
read_html('~/R/test.xml') %>% html_children() %>%
as_xml_document(root = 'doc') %>% xml_contents() %>% xml_contents() %>%
map_df(., function(x) {
kids <- xml_children(x)
setNames(as.list(type.convert(xml_text(kids))), xml_name(kids))
})
## METHOD 2
## treating the xml as a list
read_html('~/R/test.xml') %>%
html_nodes('record') %>%
as_list() %>%
lapply(., function(x) unlist(x, recursive = F) %>% bind_cols()) %>%
bind_rows()
## both of the above methods will return the following tibble
# A tibble: 5 x 4
recordid activitycreateddate expectedinstalldate invoicetxndate
<chr> <chr> <chr> <chr>
1 23063 2018-12-11T19:00:00 2018-12-19T19:00:00 2018-12-13T19:00:00
2 23321 2018-10-15T18:00:00 2018-11-14T19:00:00 NA
3 23566 2019-01-23T19:00:00 NA NA
4 23217 2018-12-20T19:00:00 2019-01-23T19:00:00 2019-01-18T19:00:00
5 23325 2018-05-25T18:00:00 2019-01-23T19:00:00 NA
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.