错误:XML内容似乎不是XML | R 3.1.0

Question

我试图获取此XML文件,但我无法.我检查了同一主题中的其他解决方案,但我无法理解.我是R新手.

> library(XML)
> fileURL <- "https://d396qusza40orc.cloudfront.net/getdata%2Fdata%2Frestaurants.xml"
> doc <- xmlTreeParse(fileURL,useInternal=TRUE)

错误:XML内容似乎不是XML:' https : //d396qusza40orc.cloudfront.net/getdata%2Fdata%2Frestaurants.xml '

你能帮忙吗？

Answer 1

取出s从https

library(XML)

fileURL<-"https://d396qusza40orc.cloudfront.net/getdata%2Fdata%2Frestaurants.xml"
doc <- xmlTreeParse(sub("s", "", fileURL), useInternal = TRUE)
class(doc)
## [1] "XMLInternalDocument" "XMLAbstractDocument"

Answer 2

您可以使用RCurl获取内容,然后XML似乎能够处理它

library(XML)
library(RCurl)
fileURL <- "https://d396qusza40orc.cloudfront.net/getdata%2Fdata%2Frestaurants.xml"
xData <- getURL(fileURL)
doc <- xmlParse(xData)

Answer 3

xmlTreeParse不支持https.

您可以使用getURL(from RCurl)加载数据然后解析它.

Answer 4

答案在http://www.omegahat.net/RCurl/installed/RCurl/html/getURL.html。如果显示证书错误，关键是将ssl.verifyPeer = FALSE与getURL一起使用。

library (RCurl)
library (XML)
curlVersion()$features
curlVersion()$protocol
##These should show ssl and https. I can see these on windows 8.1 at least. 
##It may differ on other OSes.

temp <- getURL("https://d396qusza40orc.cloudfront.net/getdata%2Fdata%2Frestaurants.xml", ssl.verifyPeer=FALSE)
DFX <- xmlTreeParse(temp,useInternal = TRUE)

如果libcurl函数未显示ssl或https功能，请检查是否将Rcurl与HTTPs结合使用。