Ho un sacco di file XML e uno script R che legge il loro contenuto in un frame di dati. Tuttavia, ho ottenuto ora i file che volevo analizzare come al solito, ma c'è qualcosa nella loro definizione del namespace che non mi permette di scegliere i loro valori normalmente con espressioni XPath.Analisi XML in R: spazi dei nomi errati
file XML sono come questo:
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>
E l'altro:
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>
l'URL in cui xmlns punti per doesn' Esistono
Il codice R che uso è simile a questo:
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
Tuttavia, ciò che ottengo come risultato è:
Filename Name Title Date
./xml_nons.xml Name 1 Title 1 2015
Se rimuovo il link spazio dei nomi dal secondo file ottengo corretto :
Filename Name Title Date
./xml_nons_1.xml Name 1 Title 1 2015
./xml_ns_1.xml Name 2 Title 2 2014
Naturalmente potrei avere un XSL per rimuovere tali spazi dei nomi da file XML originali, ma vorrei t o hai qualche soluzione che funzioni all'interno R. C'è un modo per dire a R solo di ignorare tutto nella dichiarazione XML?