XMLファイルからすべての値を取得R

Question

次のXML出力があります。目的は、String行からすべての値を抽出し、この行に値を格納することです。dataframe。私はXMLパッケージでRを使用します。私のコードは多くのfor-loopsを使い、これらの値を抽出することができません。これらの値を抽出するには、より良い関数やコードがありますか？私は、データフレームに抽出して保存したい値は次のとおりです。ラインStringから「トイレ」、「コンテンツ」、「高さ」、「幅」、 『VPOS』、 『HPOS』

<Layout> 
<Page ID="Page1" PHYSICAL_IMG_NR="1" HEIGHT="3440" WIDTH="2352"> 
    <BottomMargin HEIGHT="3440" WIDTH="2352" VPOS="0" HPOS="0"> 
     <TextBlock ID="Page1_Block1" HEIGHT="222" WIDTH="586" VPOS="466" HPOS="891" language="nl"> 
      <Shape> 
       <Polygon POINTS="908,503 1489,503 1489,710 908,710 908,503"/> 
      </Shape> 
      <TextLine HEIGHT="35" WIDTH="264" VPOS="472" HPOS="902"> 
       <String WC="0.8519999981" CONTENT="SHELL" HEIGHT="30" WIDTH="92" VPOS="472" HPOS="902"/> 
       <SP WIDTH="20" VPOS="474" HPOS="995"/> 
       <String WC="0.5462499857" CONTENT="MAATVELD" HEIGHT="32" WIDTH="150" VPOS="475" HPOS="1016"/> 
      </TextLine> 
      <TextLine HEIGHT="36" WIDTH="227" VPOS="511" HPOS="901"> 
       <String WC="0.5287500024" CONTENT="RIJKSWEG" HEIGHT="34" WIDTH="150" VPOS="511" HPOS="901"/> 
       <SP WIDTH="20" VPOS="516" HPOS="1052"/> 
       <String WC="0.296666652" CONTENT="A20" HEIGHT="31" WIDTH="55" VPOS="515" HPOS="1073"/> 
      </TextLine> 
      <TextLine HEIGHT="42" WIDTH="418" VPOS="550" HPOS="900"> 
       <String WC="0.4427272677" CONTENT="NIEUWERKERK" HEIGHT="36" WIDTH="207" VPOS="550" HPOS="900"/> 
       <SP WIDTH="21" VPOS="556" HPOS="1108"/> 
       <String WC="0.2633333206" CONTENT="A/D" HEIGHT="31" WIDTH="54" VPOS="557" HPOS="1130"/> 
       <SP WIDTH="20" VPOS="558" HPOS="1185"/> 
       <String WC="0.4916666746" CONTENT="IJSSEL" HEIGHT="33" WIDTH="112" VPOS="559" HPOS="1206"/> 
      </TextLine> 
      <TextLine HEIGHT="51" WIDTH="570" VPOS="591" HPOS="898"> 
       <String WC="0.4333333373" CONTENT="BTW" HEIGHT="31" WIDTH="54" VPOS="591" HPOS="899"/> 
       <SP WIDTH="21" VPOS="592" HPOS="954"/> 
       <String WC="0.6039999723" CONTENT="Shop:" HEIGHT="38" WIDTH="87" VPOS="593" HPOS="975"/> 
       <SP WIDTH="27" VPOS="595" HPOS="1063"/> 
       <String WC="0.4900000095" CONTENT="NL" HEIGHT="30" WIDTH="34" VPOS="596" HPOS="1091"/> 
       <SP WIDTH="21" VPOS="597" HPOS="1126"/> 
       <String WC="0.6335294247" CONTENT="81.82.19.233.B.01" HEIGHT="39" WIDTH="321" VPOS="597" HPOS="1147"/> 
      </TextLine> 
      <TextLine HEIGHT="44" WIDTH="304" VPOS="631" HPOS="897"> 
       <String WC="0.6299999952" CONTENT="BTW" HEIGHT="31" WIDTH="54" VPOS="631" HPOS="898"/> 
       <SP WIDTH="21" VPOS="632" HPOS="953"/> 
       <String WC="0.5933333039" CONTENT="Types:" HEIGHT="39" WIDTH="106" VPOS="633" HPOS="974"/> 
       <SP WIDTH="27" VPOS="636" HPOS="1081"/> 
       <String WC="0.6980000138" CONTENT="0.1.3" HEIGHT="32" WIDTH="92" VPOS="636" HPOS="1109"/> 
      </TextLine> 
     </TextBlock> 
     <TextBlock ID="Page1_Block3" HEIGHT="218" WIDTH="378" VPOS="782" HPOS="902" language="nl"> 
      <Shape> 
       <Polygon POINTS="927,819 1300,819 1300,1027 927,1027 927,819"/> 
      </Shape> 
      <TextLine HEIGHT="28" WIDTH="117" VPOS="788" HPOS="914"> 
       <String WC="0.5157142878" CONTENT="ARTTKFI" HEIGHT="28" WIDTH="117" VPOS="788" HPOS="914"/> 
      </TextLine> 
      <TextLine HEIGHT="45" WIDTH="361" VPOS="828" HPOS="912"> 
       <String WC="0.3000000119" CONTENT="D2Gb" HEIGHT="32" WIDTH="73" VPOS="828" HPOS="913"/> 
       <SP WIDTH="21" VPOS="830" HPOS="986"/> 
       <String WC="0.5366666913" CONTENT="Brd" HEIGHT="31" WIDTH="56" VPOS="831" HPOS="1007"/> 
       <SP WIDTH="22" VPOS="832" HPOS="1063"/> 
       <String WC="0.6299999952" CONTENT="Tonijn" HEIGHT="38" WIDTH="112" VPOS="833" HPOS="1085"/> 
       <SP WIDTH="21" VPOS="836" HPOS="1197"/> 
       <String WC="0.6100000143" CONTENT="MSC" HEIGHT="32" WIDTH="55" VPOS="836" HPOS="1218"/> 
      </TextLine> 
      <TextLine HEIGHT="46" WIDTH="353" VPOS="867" HPOS="911"> 
       <String WC="0.4950000048" CONTENT="D2Gb" HEIGHT="33" WIDTH="74" VPOS="867" HPOS="911"/> 
       <SP WIDTH="21" VPOS="870" HPOS="985"/> 
       <String WC="0.4659999907" CONTENT="Extra" HEIGHT="32" WIDTH="94" VPOS="871" HPOS="1006"/> 
       <SP WIDTH="21" VPOS="873" HPOS="1100"/> 
       <String WC="0.5537499785" CONTENT="Speltbol" HEIGHT="40" WIDTH="143" VPOS="873" HPOS="1121"/> 
      </TextLine> 
      <TextLine HEIGHT="39" WIDTH="279" VPOS="907" HPOS="909"> 
       <String WC="0.2820000052" CONTENT="CCola" HEIGHT="34" WIDTH="95" VPOS="907" HPOS="909"/> 
       <SP WIDTH="20" VPOS="910" HPOS="1004"/> 
       <String WC="0.474999994" CONTENT="Zero" HEIGHT="33" WIDTH="75" VPOS="910" HPOS="1024"/> 
       <SP WIDTH="21" VPOS="912" HPOS="1099"/> 
       <String WC="0.4275000095" CONTENT="33cl" HEIGHT="33" WIDTH="68" VPOS="913" HPOS="1120"/> 
      </TextLine> 
      <TextLine HEIGHT="45" WIDTH="286" VPOS="947" HPOS="908"> 
       <String WC="0.6075000167" CONTENT="Puro" HEIGHT="33" WIDTH="75" VPOS="947" HPOS="908"/> 
       <SP WIDTH="21" VPOS="949" HPOS="983"/> 
       <String WC="0.4560000002" CONTENT="Cappuccino" HEIGHT="42" WIDTH="190" VPOS="950" HPOS="1004"/> 
      </TextLine> 
     </TextBlock> 
    </BottomMargin> 
</Page> 
</Layout>  

Answer 1

ますXMLパッケージ・ソリューションを検討し、また

library(rvest) 

test <- read_xml("~/test.xml") %>% xml_nodes("String") %>% xml_attrs() 
test <- do.call("rbind", test) 

head(test) 
    WC    CONTENT  HEIGHT WIDTH VPOS HPOS 
[1,] "0.8519999981" "SHELL"  "30" "92" "472" "902" 
[2,] "0.5462499857" "MAATVELD" "32" "150" "475" "1016" 
[3,] "0.5287500024" "RIJKSWEG" "34" "150" "511" "901" 
[4,] "0.296666652" "A20"   "31" "55" "515" "1073" 
[5,] "0.4427272677" "NIEUWERKERK" "36" "207" "550" "900" 
[6,] "0.2633333206" "A/D"   "31" "54" "557" "1130" 

Answer 2

：パッケージrvestを（私はのtest.xmlにデータを置く）を使用することができます

library(XML) 

doc <- xmlParse("Input.xml") 

stringdata <- t(xpathSApply(doc, "//String", xmlAttrs)) 
df <- data.frame(stringdata, stringsAsFactors = FALSE) 

# CONVERT CHARACTER COLUMNS TO NUMERIC 
df[, c(1,3:6)] <- sapply(df[, c(1,3:6)], function(x) as.numeric(x)) 
head(df) 

#   WC  CONTENT HEIGHT WIDTH VPOS HPOS 
# 1 0.8520000  SHELL  30 92 472 902 
# 2 0.5462500 MAATVELD  32 150 475 1016 
# 3 0.5287500 RIJKSWEG  34 150 511 901 
# 4 0.2966667   A20  31 55 515 1073 
# 5 0.4427273 NIEUWERKERK  36 207 550 900 
# 6 0.2633333   A/D  31 54 557 1130