R 语言 XML 文件

XML是一种文件格式，它使用标准ASCII文本共享文件格式以及在Internet，Intranet和其他位置上的数据。它代表可扩展标记语言（XML）。与HTML相似，它包含标记标签。但是与HTML的markup标签描述页面结构不同，在xml中，markup标签描述文件中包含的数据的含义。您可以使用“XML”包读取R中的xml文件。可以使用以下命令安装此软件包。


install.packages("XML")

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。保存扩展名为.xml的文件，然后选择文件类型为所有文件（*.*）。


<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

R使用函数xmlParse（）读取xml文件。它作为列表存储在R中。


# 加载读取XML文件所需的包。
library("XML")

# 同时加载其他必需的软件包。
library("methods")

# 给函数输入文件名。
result <- xmlParse(file = "input.xml")

# 打印结果。
print(result)

当我们执行以上代码时，它产生以下结果-


1
Rick
623.3
1/1/2012
IT

2
Dan
515.2
9/23/2013
Operations

3
Michelle
611
11/15/2014
IT

4
Ryan
729
5/11/2014
HR

5
Gary
843.25
3/27/2015
Finance

6
Nina
578
5/21/2013
IT

7
Simon
632.8
7/30/2013
Operations

8
Guru
722.5
6/17/2014
Finance

获取XML文件中存在的节点数


# 加载读取XML文件所需的软件包。
library("XML")
library("methods")

#给函数输入文件名。
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)

当我们执行以上代码时，它产生以下结果-


output
[1] 8

第一个节点的详细信息

让我们看一下解析文件的第一条记录。它将使我们对顶层节点中存在的各种元素有所了解。


# 加载读取XML文件所需的软件包。
library("XML")
library("methods")

# 给函数输入文件名。
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])

当我们执行以上代码时，它产生以下结果-


$EMPLOYEE
   1
   Rick
   623.3
   1/1/2012
   IT
 

attr(,"class")
[1] "XMLInternalNodeList" "XMLNodeList"

获取节点的不同元素


# 加载读取XML文件所需的软件包。
library("XML")
library("methods")

# 给函数输入文件名。
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]])

当我们执行以上代码时，它产生以下结果-


1 
IT 
Michelle

XML到数据帧

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。然后处理数据框以进行数据分析。


# 加载读取XML文件所需的软件包。
library("XML")
library("methods")

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

当我们执行以上代码时，它产生以下结果-


      ID    NAME     SALARY    STARTDATE       DEPT 
1      1    Rick     623.30    2012-01-01      IT
2      2    Dan      515.20    2013-09-23      Operations
3      3    Michelle 611.00    2014-11-15      IT
4      4    Ryan     729.00    2014-05-11      HR
5     NA    Gary     843.25    2015-03-27      Finance
6      6    Nina     578.00    2013-05-21      IT
7      7    Simon    632.80    2013-07-30      Operations
8      8    Guru     722.50    2014-06-17      Finance

由于现在可以将数据用作数据框，因此我们可以使用与数据框相关的功能来读取和操作文件。