在R中解析XML：不正确的命名空间

我有一堆 XML 文件和一个R脚本,可以将其内容读入数据框.但是,我现在得到了我想像往常一样解析的文件,但是它们的命名空间定义中有些东西不允许我通常使用XPath表达式选择它们的值.

XML文件是这样的：

xml_nons.xml

<?xml version="1.0" encoding="UTF-8"?>
<XML>
   <Node>
      <Name>Name 1</Name>
      <Title>Title 1</Title>
      <Date>2015</Date>
   </Node>
</XML>

和另外一个：

xml_ns.xml

<?xml version="1.0" encoding="UTF-8"?>
<XML xmlns="http://www.nonexistingsite.com">
   <Node>
      <Name>Name 2</Name>
      <Title>Title 2</Title>
      <Date>2014</Date>
   </Node>
</XML>

xmlns指向的URL不存在.

我使用的R代码是这样的：

library(XML)

xmlfiles <- list.files(path = ".",pattern="*.xml$",full.names = TRUE,recursive = TRUE)

n <- length(xmlfiles)
dat <- vector("list",n)

for(i in 1:n){
       doc <- xmlTreeParse(xmlfiles[i],useInternalNodes = TRUE)
       nodes <- getNodeSet(doc,"//XML")
       x <- lapply(nodes,function(x){ data.frame(
              Filename = xmlfiles[i],Name = xpathSApply(x,".//Node/Name",xmlValue),Title = xpathSApply(x,".//Node/Title",Date = xpathSApply(x,".//Node/Date",xmlValue)
            )})
            dat[[i]] <- do.call("rbind",x)
    }

    xml <- do.call("rbind",dat)
    xml

但是,我得到的结果是：

Filename            Name    Title    Date
./xml_nons.xml      Name 1  Title 1  2015

如果我从第二个文件中删除命名空间链接,我得到正确的：

Filename            Name    Title    Date
./xml_nons_1.xml    Name 1  Title 1  2015
./xml_ns_1.xml      Name 2  Title 2  2014

当然我可以有一个XSL从原始XML文件中删除这些命名空间,但我想有一些在R中工作的解决方案.有没有办法告诉R只是忽略XML声明中的所有内容？

我认为没有简单的方法来忽略名称空间.最好的方法是学会与他们一起生活.这个答案将使用较新的XML2包.但这同样适用于XML包解决方案.

使用

library(XML2)
fname='myfile.xml'
doc <- read_xml(fname)
#peak at the namespaces
xml_ns(doc)

第一个名称空间分配给d1.如果XPath找不到您想要的内容,最可能的原因是命名空间问题.

xpath <-  "//d1:FormDef"
ns <- xml_find_all(doc,xpath,xml_ns(doc))
ns

此外,您必须为路径中的每个元素执行此操作
所以为了节省打字,你可以做到

library(stringr)
> xpath <-  "/ODM/Study"
> (xpath<-str_replace_all(xpath,'/','/d1:'))
[1] "/d1:ODM/d1:Study"

在R中解析XML：不正确的命名空间

相关推荐