R語言處理XML文件
XML是分享的文件格式在萬維網，內聯網中的數據，和其他地方使用標準ASCII文本的文件格式。它代表著可擴展標記語言(XML)。類似於 HTML 包含標記標簽。但不同於HTML標記標簽描述了頁麵的結構，xml標記標簽中包含自己的文件中的數據含義。
可以通過使用R中的“XML”包來讀取XML文件。可以用下麵的命令來安裝該軟件包。
install.packages("XML")
輸入數據
通過下麵的數據複製到記事本等文本編輯器創建一個XML文件。保存為一個帶有 .xml 擴展名的文件，並選擇文件類型為所有文件（*.*）。
<RECORDS>
<EMPLOYEE>
<ID>1</ID>
<NAME>Rick</NAME>
<SALARY>623.3</SALARY>
<STARTDATE>1/1/2012</STARTDATE>
<DEPT>IT</DEPT>
</EMPLOYEE>
<EMPLOYEE>
<ID>2</ID>
<NAME>Dan</NAME>
<SALARY>515.2</SALARY>
<STARTDATE>9/23/2013</STARTDATE>
<DEPT>Operations</DEPT>
</EMPLOYEE>
<EMPLOYEE>
<ID>3</ID>
<NAME>Michelle</NAME>
<SALARY>611</SALARY>
<STARTDATE>11/15/2014</STARTDATE>
<DEPT>IT</DEPT>
</EMPLOYEE>
<EMPLOYEE>
<ID>4</ID>
<NAME>Ryan</NAME>
<SALARY>729</SALARY>
<STARTDATE>5/11/2014</STARTDATE>
<DEPT>HR</DEPT>
</EMPLOYEE>
<EMPLOYEE>
<ID>5</ID>
<NAME>Gary</NAME>
<SALARY>843.25</SALARY>
<STARTDATE>3/27/2015</STARTDATE>
<DEPT>Finance</DEPT>
</EMPLOYEE>
<EMPLOYEE>
<ID>6</ID>
<NAME>Nina</NAME>
<SALARY>578</SALARY>
<STARTDATE>5/21/2013</STARTDATE>
<DEPT>IT</DEPT>
</EMPLOYEE>
<EMPLOYEE>
<ID>7</ID>
<NAME>Simon</NAME>
<SALARY>632.8</SALARY>
<STARTDATE>7/30/2013</STARTDATE>
<DEPT>Operations</DEPT>
</EMPLOYEE>
<EMPLOYEE>
<ID>8</ID>
<NAME>Guru</NAME>
<SALARY>722.5</SALARY>
<STARTDATE>6/17/2014</STARTDATE>
<DEPT>Finance</DEPT>
</EMPLOYEE>
</RECORDS>
讀取XML文件
XML文件是由R使用函數XMLPARSE()讀取。它存儲為R語言中的列表，如下所示：
# Load the package required to read XML files.
library("XML")
# Also load the other required package.
library("methods")
# Give the input file name to the function.
result <- xmlParse(file="input.xml")
# Print the result.
print(result)
當我們上麵的代碼執行時，它產生以下結果：
1
Rick
623.3
1/1/2012
IT
2
Dan
515.2
9/23/2013
Operations
3
Michelle
611
11/15/2014
IT
4
Ryan
729
5/11/2014
HR
5
Gary
843.25
3/27/2015
Finance
6
Nina
578
5/21/2013
IT
7
Simon
632.8
7/30/2013
Operations
8
Guru
722.5
6/17/2014
Finance
獲取目前在XML文件的節點數量
# Load the packages required to read XML files.
library("XML")
library("methods")
# Give the input file name to the function.
result <- xmlParse(file="input.xml")
# Exract the root node form the xml file.
rootnode <- xmlRoot(result)
# Find number of nodes in the root.
rootsize <- xmlSize(rootnode)
# Print the result.
print(rootsize)
當我們上麵的代碼執行時，它產生以下結果：
output [1] 8
第一個節點的細節
讓我們來看看在解析文件的第一條記錄。它會給我們存在於頂層節點的各種元素的詳細。
# Load the packages required to read XML files.
library("XML")
library("methods")
# Give the input file name to the function.
result <- xmlParse(file="input.xml")
# Exract the root node form the xml file.
rootnode <- xmlRoot(result)
# Print the result.
print(rootnode[1])
當我們上麵的代碼執行時，它產生以下結果：
$EMPLOYEE1Rick623.31/1/2012ITattr(,"class") [1] "XMLInternalNodeList" "XMLNodeList"
獲取一個節點的不同元素
# Load the packages required to read XML files.
library("XML")
library("methods")
# Give the input file name to the function.
result <- xmlParse(file="input.xml")
# Exract the root node form the xml file.
rootnode <- xmlRoot(result)
# Get the first element of the first node.
print(rootnode[[1]][[1]])
# Get the fifth element of the first node.
print(rootnode[[1]][[5]])
# Get the second element of the third node.
print(rootnode[[3]][[2]])
當我們上麵的代碼執行時，它產生以下結果：
1ITMichelle
XML到數據幀
為了有效地處理大型文件中的數據，我們將XML文件中讀出的數據作為數據幀。然後處理進行數據分析的數據幀。
# Load the packages required to read XML files.
library("XML")
library("methods")
# Convert the input xml file to a data frame.
xmldataframe <- xmlToDataFrame("input.xml")
print(xmldataframe)
當我們上麵的代碼執行時，它產生以下結果：
ID NAME SALARY STARTDATE DEPT 1 1 Rick 623.3 1/1/2012 IT 2 2 Dan 515.2 9/23/2013 Operations 3 3 Michelle 611 11/15/2014 IT 4 4 Ryan 729 5/11/2014 HR 5 5 Gary 843.25 3/27/2015 Finance 6 6 Nina 578 5/21/2013 IT 7 7 Simon 632.8 7/30/2013 Operations 8 8 Guru 722.5 6/17/2014 Finance
由於數據現在可以作為一個數據幀，我們可以用數據幀的相關函數讀取和處理的文件。
