Archivos XML en R

XML se refiere al lenguaje de marcado extensible (eXtensible Markup Language), XML se diseñó para transmitir y almacenar datos.

Para leer y escribir archivos XML en R se necesita instalar el paquete de extensión, podemos ingresar el siguiente comando en el console de R para instalarlo:

install.packages("XML", repos = "https://mirrors.ustc.edu.cn/CRAN/)

Verificar si se instaló con éxito:

> any(grepl("XML", installed.packages()))
[1]] TRUE

Crear el archivo sites.xml, el archivo xml está en el mismo directorio que el script de prueba, el código es el siguiente:

sites>
　　　　<site>
　　　　　　　　<id>1</id>
　　　　　　　　<name>Google</name>
　　　　　　　　<url>www.google.com</url>
　　　　　　　　<likes>111</likes>
　　　　</site>
　
　　　　<site>
　　　　　　　　<id>2</id>
　　　　　　　　<name>w3codebox</name>
　　　　　　　　<url>es.oldtoolbag.com</url>
　　　　　　　　<likes>222</likes>
　　　　</site>
　
　　　　<site>
　　　　　　　　<id>3</id>
　　　　　　　　<name>Taobao</name>
　　　　　　　　<url>www.taobao.com</url>
　　　　　　　　<likes>333</likes>
　　　　</site>
</sites>

A continuación, podemos usar el paquete XML para cargar los datos del archivo xml:

#　载入　XML　包
library("XML")
#　设置文件名
result　<-　xmlParse(file　=　"sites.xml")
# Salida de resultados
print(result)

Estadísticas de datos xml:

#　载入　XML　包
library("XML")
#　设置文件名
result　<-　xmlParse(file　=　"sites.xml")
# Extraer el nodo raíz
rootnode <-　xmlRoot(result)
# Estadísticas de datos
rootsize <-　xmlSize(rootnode)
# Salida de resultados
print(rootsize)

El resultado de ejecutar el código anterior es:

[1]]　3

Ver los datos del nodo, en una línea específica se usa [ ], para especificar una fila y columna se usa [[ ]]::

#　载入　XML　包
library("XML")
#　设置文件名
result　<-　xmlParse(file　=　"sites.xml")
# Extraer el nodo raíz
rootnode <-　xmlRoot(result)
# Ver el nodo número　2　datos del nodo
print(rootnode[2)]
# Ver el nodo número　2　del nodo número　　1　un dato
print(rootnode[[2]][[1]])
# Ver el nodo número　2　del nodo número　3　un dato
print(rootnode[[2]][[3]])

El resultado de ejecutar el código anterior es:

$site
<site>
　　<id>2</id>
　　<name>w3codebox</name>
　　<url>es.oldtoolbag.com</url>
　　<likes>222</likes>
</site>　
attr(,"class")
[1]] "XMLInternalNodeList" "XMLNodeList"　　　　　　　　
<id>2</id>　
<url>es.oldtoolbag.com</url>

XML a lista de datos

El código anterior genera salida en formato xml, podemos usar la función xmlToList() para convertir los datos del archivo en formato lista, lo que facilita la lectura:

#　载入　XML　包
library("XML")
#　设置文件名
result　<-　xmlParse(file　=　"sites.xml")
#　转为列表
xml_data　<-　xmlToList(result)
print(xml_data)
print("============================")
#　输出第一行第二列的数据
print(xml_data[[1]][[2]])

El resultado de ejecutar el código anterior es:

$site
$site$id
[1]　"1"
$site$name
[1]　"Google"
$site$url
[1]　"www.google.com"
$site$likes
[1]　"111"
$site
$site$id
[1]　"2"
$site$name
[1]　"w3codebox"
$site$url
[1]　"es.oldtoolbag.com"
$site$likes
[1]　"222"
$site
$site$id
[1]　"3"
$site$name
[1]　"Taobao"
$site$url
[1]　"www.taobao.com"
$site$likes
[1]　"333"
[1]　"============================"
[1]　"Google"

XML 转为数据框

Los datos de archivos XML se pueden convertir en tipo de data frame, de esta manera podemos operar los datos más fácilmente:

#　载入　XML　包
library("XML")
#　xml　文件数据转为数据框
xmldataframe　<-　xmlToDataFrame("sites.xml")
print(xmldataframe)

El resultado de ejecutar el código anterior es:

　　id　name　　url　likes
1　　1　Google　www.google.com　　　111
2　　2　w3codebox　es.oldtoolbag.com　　　222
3　　3　Taobao　www.taobao.com　　　333