R XML文件

XML是一种文件格式，它使用标准ASCII文本共享万维网，内部网和其他地方的文件格式和数据。 它代表可扩展标记语言（XML）。 类似于HTML它包含标记标签。 但是与HTML中的标记标记描述页面的结构不同，在xml中，标记标记描述了包含在文件中的数据的含义。

您可以使用“XML”包读取R语言中的xml文件。 此软件包可以使用以下命令安装。 

  1. 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。 使用.xml扩展名保存文件，并将文件类型选择为所有文件（.）。

  1. <RECORDS>
  2.    <EMPLOYEE>
  3.       <ID>1</ID>
  4.       <NAME>Rick</NAME>
  5.       <SALARY>623.3</SALARY>
  6.       <STARTDATE>1/1/2012</STARTDATE>
  7.       <DEPT>IT</DEPT>
  8.    </EMPLOYEE>
  10.    <EMPLOYEE>
  11.       <ID>2</ID>
  12.       <NAME>Dan</NAME>
  13.       <SALARY>515.2</SALARY>
  14.       <STARTDATE>9/23/2013</STARTDATE>
  15.       <DEPT>Operations</DEPT>
  16.    </EMPLOYEE>
  18.    <EMPLOYEE>
  19.       <ID>3</ID>
  20.       <NAME>Michelle</NAME>
  21.       <SALARY>611</SALARY>
  22.       <STARTDATE>11/15/2014</STARTDATE>
  23.       <DEPT>IT</DEPT>
  24.    </EMPLOYEE>
  26.    <EMPLOYEE>
  27.       <ID>4</ID>
  28.       <NAME>Ryan</NAME>
  29.       <SALARY>729</SALARY>
  30.       <STARTDATE>5/11/2014</STARTDATE>
  31.       <DEPT>HR</DEPT>
  32.    </EMPLOYEE>
  34.    <EMPLOYEE>
  35.       <ID>5</ID>
  36.       <NAME>Gary</NAME>
  37.       <SALARY>843.25</SALARY>
  38.       <STARTDATE>3/27/2015</STARTDATE>
  39.       <DEPT>Finance</DEPT>
  40.    </EMPLOYEE>
  42.    <EMPLOYEE>
  43.       <ID>6</ID>
  44.       <NAME>Nina</NAME>
  45.       <SALARY>578</SALARY>
  46.       <STARTDATE>5/21/2013</STARTDATE>
  47.       <DEPT>IT</DEPT>
  48.    </EMPLOYEE>
  50.    <EMPLOYEE>
  51.       <ID>7</ID>
  52.       <NAME>Simon</NAME>
  53.       <SALARY>632.8</SALARY>
  54.       <STARTDATE>7/30/2013</STARTDATE>
  55.       <DEPT>Operations</DEPT>
  56.    </EMPLOYEE>
  58.    <EMPLOYEE>
  59.       <ID>8</ID>
  60.       <NAME>Guru</NAME>
  61.       <SALARY>722.5</SALARY>
  62.       <STARTDATE>6/17/2014</STARTDATE>
  63.       <DEPT>Finance</DEPT>
  64.    </EMPLOYEE>
  66. </RECORDS>

读取XML文件

xml文件由R语言使用函数xmlParse()读取。 它作为列表存储在R语言中。

  1. # Load the package required to read XML files.
  2. library("XML")
  4. # Also load the other required package.
  5. library("methods")
  7. # Give the input file name to the function.
  8. result <- xmlParse(file = "input.xml")
  10. # Print the result.
  11. print(result)

当我们执行上面的代码，它产生以下结果：

  1. 1
  2.     Rick
  3.     623.3
  4.     1/1/2012
  5.     IT
  8.     2
  9.     Dan
  10.     515.2
  11.     9/23/2013
  12.     Operations
  15.     3
  16.     Michelle
  17.     611
  18.     11/15/2014
  19.     IT
  22.     4
  23.     Ryan
  24.     729
  25.     5/11/2014
  26.     HR
  29.     5
  30.     Gary
  31.     843.25
  32.     3/27/2015
  33.     Finance
  36.     6
  37.     Nina
  38.     578
  39.     5/21/2013
  40.     IT
  43.     7
  44.     Simon
  45.     632.8
  46.     7/30/2013
  47.     Operations
  50.     8
  51.     Guru
  52.     722.5
  53.     6/17/2014
  54.     Finance

获取XML文件中存在的节点数

  1. # Load the packages required to read XML files.
  2. library("XML")
  3. library("methods")
  5. # Give the input file name to the function.
  6. result <- xmlParse(file = "input.xml")
  8. # Exract the root node form the xml file.
  9. rootnode <- xmlRoot(result)
  11. # Find number of nodes in the root.
  12. rootsize <- xmlSize(rootnode)
  14. # Print the result.
  15. print(rootsize)

当我们执行上面的代码，它产生以下结果：

  1. output
  2. [1] 8

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。 它将给我们一个关于存在于顶层节点中的各种元素的想法。 

  1. # Load the packages required to read XML files.
  2. library("XML")
  3. library("methods")
  5. # Give the input file name to the function.
  6. result <- xmlParse(file = "input.xml")
  8. # Exract the root node form the xml file.
  9. rootnode <- xmlRoot(result)
  11. # Print the result.
  12. print(rootnode[1])

当我们执行上面的代码，它产生以下结果：

  1. $EMPLOYEE
  2.   1
  3.   Rick
  4.   623.3
  5.   1/1/2012
  6.   IT
  9. attr(,"class")
  10. [1] "XMLInternalNodeList" "XMLNodeList"

获取节点的不同元素

  1. # Load the packages required to read XML files.
  2. library("XML")
  3. library("methods")
  5. # Give the input file name to the function.
  6. result <- xmlParse(file = "input.xml")
  8. # Exract the root node form the xml file.
  9. rootnode <- xmlRoot(result)
  11. # Get the first element of the first node.
  12. print(rootnode[[1]][[1]])
  14. # Get the fifth element of the first node.
  15. print(rootnode[[1]][[5]])
  17. # Get the second element of the third node.
  18. print(rootnode[[3]][[2]])

当我们执行上面的代码，它产生以下结果：

  1. 1 
  2. IT 
  3. Michelle

XML到数据帧

为了在大文件中有效地处理数据，我们将xml文件中的数据作为数据框读取。 然后处理数据帧以进行数据分析。 

  1. # Load the packages required to read XML files.
  2. library("XML")
  3. library("methods")
  5. # Convert the input xml file to a data frame.
  6. xmldataframe <- xmlToDataFrame("input.xml")
  7. print(xmldataframe)

当我们执行上面的代码，它产生以下结果：

  1.       ID     NAME      SALARY    STARTDATE     DEPT 
  2. 1      1     Rick        623.30    2012-01-01      IT
  3. 2      2     Dan         515.20    2013-09-23      Operations
  4. 3      3     Michelle  611.00    2014-11-15      IT
  5. 4      4      Ryan      729.00    2014-05-11      HR
  6. 5     NA    Gary       843.25    2015-03-27      Finance
  7. 6      6     Nina        578.00    2013-05-21      IT
  8. 7      7     Simon      632.80    2013-07-30      Operations
  9. 8      8     Guru        722.50    2014-06-17      Finance

由于数据现在可以作为数据帧，我们可以使用数据帧相关函数来读取和操作文件。