R語言XML格式數據導入與處理

數據解析

XML是一種可擴展標記語言，它被設計用來傳輸和存儲數據。XML是各種應用程序之間進行數據傳輸的最常用的工具。它與Access，Oracle和SQL Server等數據庫不同，數據庫提供了更強有力的數據存儲和分析能力，例如：數據索引、排序、查找、相關一致性等，它僅僅是存儲數據。事實上它與其他數據表現形式最大的不同是：它極其簡單，這是一個看上去有點瑣細的優點，但正是這點使它與眾不同。
針對XML格式數據，R語言XML包可以對其進行數據導入與處理，詳見下面的案例說明。

案例1

直接輸入一段標記語言文本，使用XML包解析。

library(XML)

tt =
  '<x>
<a>text</a>
<b foo="1"/>
<c bar="me">
<d>a phrase</d>
</c>
</x>'
doc = xmlParse(tt)
xmlToList(doc)
# use an R-level node representation
doc = xmlTreeParse(tt)
xmlToList(doc)
案例2
導入已有的xml格式數據并處理，本案例用到的是手機通訊錄xml數據，按如下步驟操作:

#讀取xml格式數據并解析
xmlfile=xmlParse(file.choose(),encoding="UTF-8")
class(xmlfile)

#形成根目錄列表數據
xmltop = xmlRoot(xmlfile)
class(xmltop) #查看類
xmlName(xmltop) #查看根目錄名
xmlSize(xmltop) #查看根目錄總數
xmlName(xmltop[[1]]) #查看子目錄名

# 查看第一個子目錄
xmltop[[1]]
# 查看第二個子目錄
xmltop[[2]]

#子目錄節點
xmlSize(xmltop[[1]]) #子目錄節點數
xmlSApply(xmltop[[1]], xmlName) #子目錄節點名
xmlSApply(xmltop[[1]], xmlAttrs) #子目錄節點屬性
xmlSApply(xmltop[[1]], xmlSize) #子目錄節點大小

#查看第一個子目錄的第一個節點
xmltop[[1]][[1]]
#查看第一個子目錄的第二個節點
xmltop[[1]][[2]]

#第二個子目錄
xmltop[[2]][[1]]
xmltop[[2]][[2]]

xmltop[[1]][[3]][[1]][[1]] #查看聯系人電話
xmltop[['Contact']][['PhoneList']][[1]][[1]]  #第二種方式
getNodeSet(xmltop, "http://Contact/PhoneList")[[1]][[1]][[1]] #第三種方式

xmltop[[1]][[3]][[1]][[1]] = 13717232323 #更改聯系人電話
xmltop[[1]][[1]][[1]]= "zhangsan "#更改聯系人姓名

#保存
saveXML(xmltop, file="out.xml",encoding="UTF-8")
xml格式轉dataframe

按如下步驟操作:

xmlToDataFrame(xmlfile) #第一種方式，直接用xmlToDataFrame()函數

library("plyr") #第二種方式，數據格式處理專用包plyr

MyContact=ldply(xmlToList(file.choose()), data.frame) #先轉成list,再轉dataframe
View(MyContact)

# 查看聯系方式
MyContact[,c("Name" ,"PhoneList.Phone.text")]

# 聯系方式保存
write.csv(MyContact, "MyContact.csv", row.names=FALSE)