R XML 文件

XML 指的是可扩展标记语言(eXtensible Markup Language),XML 被设计用来传输和存储数据。

R 语言读写 XML 文件需要安装扩展包,我们可以在 R 到控制台输入以下命令来安装:

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

查看是否安装成功:

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

创建 sites.xml 文件,xml 文件与测试脚本同一目录下,代码如下:

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

接下来我们可以使用 XML 包来载入 xml 文件的数据:

# 载入 XML 包
library("XML")

# 设置文件名
result <- xmlParse(file = "sites.xml")

# 输出结果
print(result)

统计 xml 数据量:

# 载入 XML 包
library("XML")

# 设置文件名
result <- xmlParse(file = "sites.xml")

# 提取根节点
rootnode <- xmlRoot(result)

# 统计数据量
rootsize <- xmlSize(rootnode)

# 输出结果
print(rootsize)

执行以上代码输出结果为:

[1] 3

查看节点数据,某一行使用 [ ], 指定的行和列使用 [[ ]]:

# 载入 XML 包
library("XML")

# 设置文件名
result <- xmlParse(file = "sites.xml")

# 提取根节点
rootnode <- xmlRoot(result)

# 查看第 2 个节点数据
print(rootnode[2])

# 查看第 2 个节点的第  1 个数据
print(rootnode[[2]][[1]])

# 查看第 2 个节点的第 3 个数据

print(rootnode[[2]][[3]])

执行以上代码输出结果为:

$site
<site>
  <id>2</id>
  <name>Codebaoku</name>
  <url>www.codebaoku.com</url>
  <likes>222</likes>
</site> 

attr(,"class")
[1] "XMLInternalNodeList" "XMLNodeList"        
<id>2</id> 
<url>www.codebaoku.com</url> 

1. XML 转为数据列表

以上代码对输出都是 xml 格式,我们使用 xmlToList() 函数可以将文件对数据转为列表格式,更方便读取:

# 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]])

执行以上代码输出结果为:

$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] "Codebaoku"

$site$url
[1] "www.codebaoku.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"

2. XML 转为数据框

XML 文件数据可以转为数据框类型,这样我们就更方便对数据进行操作:

# 载入 XML 包
library("XML")

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

执行以上代码输出结果为:

  id   name            url likes
1  1 Google www.google.com   111
2  2 Codebaoku www.codebaoku.com   222
3  3 Taobao www.taobao.com   333

JSON(JavaScript 对象表示法) 是存储和交换文本信息的语法。JSON 类似 XML,但比 XML 更小、更快,更易解析。如果你对 JSON 还不了解,可以先查阅:JSON 教程R 语言读写 JSON 文件需 ...