r - 在 R : Incorrect namespaces 中解析 XML

Question

我有一堆 XML 文件和一个将文件内容读入数据框的 R 脚本。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使用 XPath 表达式正常选择它们的值。

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>

还有一个:

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" , xmlValue),
              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，我会得到正确的结果:

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

当然，我可以使用 XSL 从原始 XML 文件中删除这些命名空间，但我想要一些在 R 中工作的解决方案。有没有什么方法可以告诉 R 忽略 XML 声明中的所有内容？

Answer 1

我认为没有简单的方法可以忽略命名空间。最好的方法是学会和他们一起生活。这个答案将使用更新的 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)

第一个命名空间分配给 d1。如果您的 XPath 没有找到您想要的，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，您必须对路径中的每个元素执行此操作所以为了节省打字，你可以这样做

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