R中使用XML查找所有函数时如何知道数据是否丢失？

Question

我正在尝试从具有许多子项的 SOAP 文件（XML 格式）中提取数据。

XML_find_all 是一个从复杂结构中获取数据的好函数。但是，它无法返回缺失值。

这是一个简单的例子：

与两位客户一起阅读简单的示例文件。一位顾客的名字不见了。

x <- read_xml("<Customers> <Customer> <ID> 01 </ID> <Name> Bla </Name> </Customer> <Customer> <ID> 02 </ID> </Customer> </Customers>")

可以找到两个ID

xml_find_all(x, ".//ID")

[1] 01 [2] 02

仅查找一个名字

xml_find_all(x, ".//Name")

[1] 布拉

如何获得 NA 或可以告诉我哪些数据丢失的信息？

最后，我想建立一个数据框架。请记住这只是一个简单的例子。真实数据有 4000 个“客户”和 100 个属性。

Answer 1

假设每个客户都有一个 ID，您可以从那里开始并使用

xml_find_first()

查找

Name

节点之后的第一个兄弟

ID

-节点...如果没有，该函数将返回

NA

。

# get all nodes with ID
ID.nodes <- xml_find_all(x, ".//ID")
# assuming Name comes after ID (if actually present)
# get following  sibling Name node
Name.nodes <- xml_find_first(ID.nodes, "./following-sibling::Name")

结果

ID.nodes |> xml_text()
# [1] " 01 " " 02 "
Name.nodes |> xml_text()
# [1] " Bla " NA