R - XML 文件

XML 是一种文件格式，它使用标准 ASCII 文本在万维网、内部网和其他地方共享文件格式和数据。它代表可扩展标记语言 （XML）。与 HTML 类似，它包含标记标记。但是，与 HTML 不同，在 HTML 中，markup 标记描述页面的结构，而在 xml 中，markup 标记描述文件中包含的数据的含义。

您可以使用 “XML” 包在 R 中读取 xml 文件。可以使用以下命令安装此软件包。

输入数据

通过将以下数据复制到文本编辑器（如记事本）中来创建 XMl 文件。使用 .xml 扩展名保存文件，并选择文件类型作为 all files（*.*）。

<RECORDS>
   <EMPLOYEE>
      <ID>1</ID>
      <NAME>Rick</NAME>
      <SALARY>623.3</SALARY>
      <STARTDATE>1/1/2012</STARTDATE>
      <DEPT>IT</DEPT>
   </EMPLOYEE>
    
   <EMPLOYEE>
      <ID>2</ID>
      <NAME>Dan</NAME>
      <SALARY>515.2</SALARY>
      <STARTDATE>9/23/2013</STARTDATE>
      <DEPT>Operations</DEPT>
   </EMPLOYEE>
   
   <EMPLOYEE>
      <ID>3</ID>
      <NAME>Michelle</NAME>
      <SALARY>611</SALARY>
      <STARTDATE>11/15/2014</STARTDATE>
      <DEPT>IT</DEPT>
   </EMPLOYEE>
   
   <EMPLOYEE>
      <ID>4</ID>
      <NAME>Ryan</NAME>
      <SALARY>729</SALARY>
      <STARTDATE>5/11/2014</STARTDATE>
      <DEPT>HR</DEPT>
   </EMPLOYEE>
   
   <EMPLOYEE>
      <ID>5</ID>
      <NAME>Gary</NAME>
      <SALARY>843.25</SALARY>
      <STARTDATE>3/27/2015</STARTDATE>
      <DEPT>Finance</DEPT>
   </EMPLOYEE>
   
   <EMPLOYEE>
      <ID>6</ID>
      <NAME>Nina</NAME>
      <SALARY>578</SALARY>
      <STARTDATE>5/21/2013</STARTDATE>
      <DEPT>IT</DEPT>
   </EMPLOYEE>
   
   <EMPLOYEE>
      <ID>7</ID>
      <NAME>Simon</NAME>
      <SALARY>632.8</SALARY>
      <STARTDATE>7/30/2013</STARTDATE>
      <DEPT>Operations</DEPT>
   </EMPLOYEE>
   
   <EMPLOYEE>
      <ID>8</ID>
      <NAME>Guru</NAME>
      <SALARY>722.5</SALARY>
      <STARTDATE>6/17/2014</STARTDATE>
      <DEPT>Finance</DEPT>
   </EMPLOYEE>
    
</RECORDS>

读取 XML 文件

XML 文件由 R 使用函数 xmlParse() 读取。它以列表的形式存储在 R 中。

# 加载读取XML文件所需的包。
library("XML")

# 还要加载其他所需的包。
library("methods")

# 为函数指定输入文件名。
result <- xmlParse(file = "input.xml")

# 打印结果。
print(result)

当我们执行上述代码时，它会产生以下结果——

获取 XML 文件中存在的节点数

# 加载读取XML文件所需的包。
library("XML")
library("methods")

# 为函数指定输入文件名。
result <- xmlParse(file = "input.xml")

# 从xml文件中提取根节点。
rootnode <- xmlRoot(result)

# 查找根中的节点数。
rootsize <- xmlSize(rootnode)

# 打印结果。
print(rootsize)

当我们执行上述代码时，它会产生以下结果——

第一个节点的详细信息

让我们看看解析文件的第一条记录。它将让我们了解顶级节点中存在的各种元素。

# 加载读取XML文件所需的包。
library("XML")
library("methods")

# 为函数指定输入文件名。
result <- xmlParse(file = "input.xml")

# 从xml文件中提取根节点。
rootnode <- xmlRoot(result)

# 打印结果。
print(rootnode[1])

当我们执行上述代码时，它会产生以下结果——

获取节点的不同元素

# 加载读取XML文件所需的包。
library("XML")
library("methods")

# 为函数指定输入文件名。
result <- xmlParse(file = "input.xml")

# 从xml文件中提取根节点。
rootnode <- xmlRoot(result)

# 获取第一个节点的第一个元素。
print(rootnode[[1]][[1]])

# 获取第一个节点的第五个元素。
print(rootnode[[1]][[5]])

# 获取第三个节点的第二个元素。
print(rootnode[[3]][[2]])

当我们执行上述代码时，它会产生以下结果——

XML 转数据帧

为了有效地处理大型文件中的数据，我们将 xml 文件中的数据作为数据帧读取。然后处理数据帧以进行数据分析。

# 加载读取XML文件所需的包。
library("XML")
library("methods")

# 将输入xml文件转换为数据帧。
xmldataframe <- xmlToDataFrame("input.xml")
print(xmldataframe)

当我们执行上述代码时，它会产生以下结果——

由于数据现在可用作 DataFrame，因此我们可以使用 Data Frame 相关函数来读取和操作文件。