plyr 的 ldply 改变了 read_xml 的行为

如何解决plyr 的 ldply 改变了 read_xml 的行为

我试图从一堆 xml 文件中的每一个中读取几个字段。我写了一个小函数来提取我需要的字段并将它们作为向量返回：

id_dir <- function(d) {
  xml <- read_xml(d)
  id <- xml_text(xml_node(xml,'AwardID'))
  dir <- xml_text(xml_node(xml,'Abbreviation'))
  phone <- xml_text(xml_node(xml,'PhoneNumber'))
  return(c(id,phone,dir))
}

但是当我用 ldply 包装它时会发生以下情况：

setwd('xmls/2017')
files <- list.files()[1:100]
sev_data <- plyr::ldply(files,id_dir)

Error in read_xml.character(d) : xmlParseEntityRef: no name [68]

尽管以下代码按预期工作，但仍会发生这种情况：

id_dir(glue('xmls/2017/{files[1]}'))

"1700003" "5746317432" "MPS"

我已经尝试在 SO 周围闲逛了一段时间，但大多数时候我看到人们在谈论 PHP 和很可能不相关的东西。

为了重现性，here 是我正在阅读的 couple 文件。

解决方法

您的函数按预期工作，这可以通过您分享的示例进行验证。

id_dir('https://raw.githubusercontent.com/jdollman/stackoverflow/data/1700229.xml')
#[1] "1700229"    "8659743466" "MPS" 
      
id_dir('https://raw.githubusercontent.com/jdollman/stackoverflow/data/1715157.xml')
#[1] "1715157"    "5705773510" "BIO"       

所以问题在于您如何将文件传递给函数 id_dir。我不使用 plyr，因为它早已停用并替换为 dplyr。我只想在这里使用 lapply。

另一个问题可能是您的目录中有其他不是 xml 的文件。您可以在 list.files 中指定仅选择 'xml' 文件。试试：

setwd('xmls/2017')
files <- list.files(pattern = '\\.xml$')[1:100]
sev_data <- lapply(files,id_dir)