在R XML Package中,xmlParse和xmlTreeParse有什么区别？

Question

我什么时候想要使用xmlParse函数而不是xmlTreeParse函数？此外,何时参数值useInternalNodes=TRUE或asText=TRUE有用？

例如:

library("XML")
nct_url <- "http://clinicaltrials.gov/ct2/show/NCT00112281?resultsxml=true"
xml_doc <- xmlParse(nct_url, useInternalNodes=TRUE)

与

doc <- xmlTreeParse(getURL(nct_url), useInternalNodes=TRUE)
top <- xmlRoot(doc)
top[["keyword"]]
xmlValue(top[["start_date"]])
xmlValue(top[["location"]])

人们似乎xmlTreeParse通过$ doc $ children $ ...遍历使用该函数获取非重复节点.但我不确定每种方法最好的时候都能理解.解析XML是几乎放弃R并学习Python的原因之一.在没有被迫买书的情况下缺乏傻瓜的例子.

Answer 1

这里有一些使用XML包后的反馈.

• xmlParse是xmlTreeParsewhere参数useInternalNodes设置为TRUE的版本.
• 如果你想使用R对象xmlTreeParse.如果您只想提取xml文档的部分部分,这可能不是非常有效和不必要的.
• 如果你不想得到一个R对象,只需使用ac指针xmlParse.但是你应该知道xpath操纵结果的一些基础.
• 使用asText=TRUE,如果你有一个文本不是一个文件或URL作为输入.

这里是一个示例,我展示了两个函数之间的区别:

txt <- "<doc>
          <el> aa </el>
       </doc>"
library(XML)
res <- xmlParse(txt,asText=TRUE)
res.tree <- xmlTreeParse(txt,asText=TRUE)

现在检查2个对象:

class(res)
[1] "XMLInternalDocument" "XMLAbstractDocument"
> class(res.tree)
[1] "XMLDocument"         "XMLAbstractDocument"

您看到res是内部文档.它是指向C对象的指针.res.tree是一个R对象.你可以得到这样的属性:

 res.tree$doc$children
$doc
<doc>
 <el>aa</el>
</doc>

对于资源,你应该使用一个有效的xpath要求和论文功能之一(xpathApply,xpathSApply,getNodeSet),以检查它.例如:

xpathApply(res,'//el')

一旦你创建了一个有效的XML节点,你可以申请xmlValue,xmlGetAttr..提取节点的信息.所以这两个陈述是等价的:

## we have already an R object, just apply xmlValue to the right child
xmlValue(res.tree$doc$children$doc)
## xpathSApply create an R object and pass it to
xpathSApply(res,'//el',xmlValue)