В xml2 можно получить xpath данного узла, используя:
xml_path
Интересно, как быстрее всего извлечь все пути xpath из данного документа. Т.е. Я хочу найти конечные узлы, а затем выполнить итерацию вверх.
По сути, я пытаюсь добиться этого:
library(xml2)
#Read
doc <- read_xml("http://www.w3schools.com/xml/plant_catalog.xml")
#Define a funciton to extract all xpaths:
extract_all_paths<-function(x){
if (xml_length(x)==0){
final_vector<-xml_path(x)
} else{
final_vector<-list("vector")
i<-1
while (length(x)!=0){
x<-do.call(c,lapply(x,xml_children))
x_length<-sapply(x,xml_length)
final_vector[[i]]<-x[x_length==0]
x<-x[x_length!=0]
i<-i+1
}
final_vector<-do.call(c,final_vector)
final_vector<-sapply(final_vector,xml_path)
final_vector
}
final_vector
}
#Function to extract everything for a given xpath:
function_extract_values<-function(x,y){
paste(xml_text(xml_find_all(y,x)),collapse="&&&&")
}
format_file<-function(x){
x<-xml_ns_strip(x)
data_path<-data.table(x=xml_children(x))
data_xpath<-data_path[,extract_all_paths(x),by=1:nrow(data_path)]
data_xpath[,V1:=gsub("\\[(.*?)\\]","",data_xpath$V1)]
data_xpath<-data_xpath[!duplicated(V1)]
data_xpath[,V2:=list(list(x)),by=1:nrow(data_xpath)]
data_xpath[,value:=function_extract_values(V1,V2[[1]]),by=1:nrow(data_xpath)]
data_xpath[,V1:=gsub("\\/","_",V1)]
data_names<-data_xpath$V1
data_xpath[,V1:=NULL]
data_xpath[,nrow:=NULL]
data_xpath[,V2:=NULL]
data_xpath<-transpose(data_xpath)
setnames(data_xpath,data_names)
data_xpath
}
data<-format_file(doc)
По сути, я хочу проанализировать файл .xml, а затем поместить его в виде строки в таблицу data.table. Мое текущее решение очень медленное, если у меня много файлов, может быть, кто-нибудь предложит более быстрое решение.