Mam kilka plików XML i skrypt R, który odczytuje ich zawartość do ramki danych. Jednak mam teraz pliki, które chciałem parsować jak zwykle, ale jest coś w ich definicji przestrzeni nazw, która nie pozwala mi wybrać ich wartości normalnie za pomocą wyrażeń XPath.Parsowanie XML w R: Nieprawidłowe przestrzenie nazw
pliki XML są tak:
xml_nons.xml
<?xml version="1.0" encoding="UTF-8"?>
<XML>
<Node>
<Name>Name 1</Name>
<Title>Title 1</Title>
<Date>2015</Date>
</Node>
</XML>
A druga:
xml_ns.xml
<?xml version="1.0" encoding="UTF-8"?>
<XML xmlns="http://www.nonexistingsite.com">
<Node>
<Name>Name 2</Name>
<Title>Title 2</Title>
<Date>2014</Date>
</Node>
</XML>
URL gdzie punkty xmlns się robi” t istnieje.
Kod R używam jest tak:
library(XML)
xmlfiles <- list.files(path = ".",
pattern="*.xml$",
full.names = TRUE,
recursive = TRUE)
n <- length(xmlfiles)
dat <- vector("list", n)
for(i in 1:n){
doc <- xmlTreeParse(xmlfiles[i], useInternalNodes = TRUE)
nodes <- getNodeSet(doc, "//XML")
x <- lapply(nodes, function(x){ data.frame(
Filename = xmlfiles[i],
Name = xpathSApply(x, ".//Node/Name" , xmlValue),
Title = xpathSApply(x, ".//Node/Title" , xmlValue),
Date = xpathSApply(x, ".//Node/Date" , xmlValue)
)})
dat[[i]] <- do.call("rbind", x)
}
xml <- do.call("rbind", dat)
xml
Jednak to, co otrzymuję jako wynik to:
Filename Name Title Date
./xml_nons.xml Name 1 Title 1 2015
Jeśli usunąć link namespace z drugiego pliku uzyskać prawidłowe :
Filename Name Title Date
./xml_nons_1.xml Name 1 Title 1 2015
./xml_ns_1.xml Name 2 Title 2 2014
Oczywiście mogę mieć XSL, aby usunąć te przestrzenie nazw z oryginalnych plików XML, ale chciałbym t o jakieś rozwiązanie, które działa w ramach R. Czy jest jakiś sposób, aby powiedzieć R tylko zignorować wszystko w deklaracji XML?