R中具有分层节点，标签和值的xml解析器

Question

我正在尝试从以下xml文件解析sample_attributes（最好是全部）。尝试了几件事，但XML陷入了一个节点：

xml.url <- "http://www.ebi.ac.uk/ena/data/view/ERS445758&display=xml"
xmlfile <- xmlTreeParse(xml.url)
xmltop = xmlRoot(xmlfile)
IBDcat <- xmlSApply(xmltop, function(x) xmlSApply(x, xmlValue))

这里还提到了尝试过的解决方案： 如何将XML解析为R数据帧， 以及如何从xml文件创建R数据帧，但是当我尝试类似的操作时：

data <- xmlParse("http://www.ebi.ac.uk/ena/data/view/ERS445758&display=xml")
xml_data <- xmlToList(data)
xmlToDataFrame(nodes=getNodeSet(data,"/SAMPLE_ATTRIBUTE"))[c("age","sex","body site","body-mass index")]

我收到一条错误消息，指出未定义的列已选中

任何帮助将不胜感激，谢谢！

Answer 1

这是一个tidyverse选项；xml2具有read_xml具有关联as_list功能的简单功能。purrr是一个处理列表的程序包，非常方便，尽管您当然可以根据需要在base R中执行相同的操作。

library(xml2)
library(purrr)

x <- read_xml("http://www.ebi.ac.uk/ena/data/view/ERS445758&display=xml")

x_list <- as_list(x)

x_df <- x_list %>% map('SAMPLE_ATTRIBUTES') %>% flatten() %>% map_df(flatten)

x_df
#> # A tibble: 35 × 3
#>                       TAG                               VALUE UNITS
#>                     <chr>                               <chr> <chr>
#> 1      investigation type                          metagenome  <NA>
#> 2            project name                                BMRP  <NA>
#> 3     experimental factor                          microbiome  <NA>
#> 4             target gene                            16S rRNA  <NA>
#> 5      target subfragment                                V1V2  <NA>
#> 6             pcr primers                            27F-338R  <NA>
#> 7   multiplex identifiers                          TGATACGTCT  <NA>
#> 8       sequencing method                      pyrosequencing  <NA>
#> 9  sequence quality check                            software  <NA>
#> 10          chimera check ChimeraSlayer; Usearch 4.1 database  <NA>
#> # ... with 25 more rows

或改为在XPath中进行子设置：

x %>% xml_find_all('//SAMPLE_ATTRIBUTE') %>% map(as_list) %>% map_df(flatten)

返回相同的东西。