处理R语言中空XML节点问题

Question

处理R语言中空XML节点问题

3

我有以下的XML文件（我缺少根节点，但编辑器不允许我添加——请假设这里有一个根节点）：

<Indvls>
    <Indvl>
        <Info lastNm="HANSON" firstNm="LAURIE"/>
        <CrntEmps>
            <CrntEmp orgNm="ABC INCORPORATED" str1="FOURTY FOUR BRYANT PARK" city="NEW YORK" state="NY" cntry="UNITED STATES" postlCd="10036">
            <BrnchOfLocs>
                <BrnchOfLoc str1="833 NE 55TH ST" city="BELLEVUE" state="WA" cntry="UNITED STATES" postlCd="98004"/>
            </BrnchOfLocs>
            </CrntEmp>
        </CrntEmps>
    </Indvl>
    <Indvl>
        <Info lastNm="JACKSON" firstNm="SHERRY"/>
        <CrntEmps>
            <CrntEmp orgNm="XYZ INCORPORATED" str1="3411 GEORGE STREET" city="SAN FRANCISCO" state="CA" cntry="UNITED STATES" postlCd="94105">
            <BrnchOfLocs>
            </BrnchOfLocs>
            </CrntEmp>
        </CrntEmps>
    </Indvl>
</Indvls>

使用R语言，我想提取以下列并以表格形式呈现： (a) /Info节点中的lastNm和firstNm--始终具有值； (b) /CrntEmps/CrntEmp节点中的orgNm--始终具有值；以及 (c) /CrntEmps/BrnchOfLocs/BrnchofLoc节点中的str1、city和state--可能具有值或不具有值（在我的示例中，第二个实体没有办公地址）。

我的挑战是许多节点将没有BrnchOfLoc节点。即使节点缺失，我也想创建一个条目（否则表格会不平衡，并在创建数据框时出错）。

您有什么想法或建议吗？我很感激任何意见。

附加说明：以下是我的代码：

xmlGetNodeAttr <- function(n, xp, attr, default=NA) {
ns<-getNodeSet(n, xp)
if(length(ns)<1) {
    return(default)
} else {
    sapply(ns, xmlGetAttr, attr, default)
}
}

do.call(rbind, lapply(xmlChildren(xmlRoot(doc)), function(x) {
data.frame(
    fname=xmlGetNodeAttr(x, "//Info","firstNm",NA),
    lname=xmlGetNodeAttr(x, "//Info","lastNm",NA),
  orgname=xmlGetNodeAttr(x,"//CrntEmps/CrntEmp[1]","orgNm",NA),
    zip=xmlGetNodeAttr(x, "//CrntEmps/CrntEmp[1]/BrnchOfLocs/BrnchOfLoc[1]","city",NA)
)
}))

- user3808860

你在做什么？如何创建你的数据框架？我猜你已经写了一些 R 代码。最好也把它发布出来。 - MrFlick

我使用了你之前线程中的一个函数。 - user3808860

你可以编辑你的原始问题并将其包含在那里，这样它会更好地格式化。 - MrFlick

谢谢。已经完成了。希望现在它能够清晰可见。 - user3808860

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- MrFlick · Accepted Answer

你应该做的事情

do.call(rbind, lapply(xmlChildren(xmlRoot(doc)), function(x) {
data.frame(
    fname=xmlGetNodeAttr(x, "./Info","firstNm",NA),
    lname=xmlGetNodeAttr(x, "./Info","lastNm",NA),
    orgname=xmlGetNodeAttr(x, "./CrntEmps/CrntEmp[1]","orgNm",NA),
    zip=xmlGetNodeAttr(x, "./CrntEmps/CrntEmp[1]/BrnchOfLocs/BrnchOfLoc[1]","city",NA)
)
}))

注意使用./而不是//。后者将搜索整个文档，忽略您正在应用lapply的当前节点。使用./将从当前x节点开始，仅查看后代。这将返回：

        fname   lname          orgname      zip
Indvl  LAURIE  HANSON ABC INCORPORATED BELLEVUE
Indvl1 SHERRY JACKSON XYZ INCORPORATED     <NA>