如何提取多个 XML 文件的文件属性并将它们与 XML 提取的数据结合起来使用 R

问题描述

我对 R 相当陌生，需要一些帮助来（提取和）将文件名和属性与从多个 xml 文件（大约 200 个）中提取的数据结合起来，然后将这些数据转换为数据帧。

我正在使用以下脚本来选择 xml 文件，提取数据并将其转换为数据帧（并且工作正常）：

library(XML)
library(plyr)

# Select multiple xml files within directory
FileName <- list.files(pattern = "xml$",ignore.case=TRUE,full.names = FALSE)

# Create function to extract data
RI_ID <-function(FileName) {
  doc1 <- xmlParse(FileName) 
  doc <- xmlToDataFrame(doc1["//ObjectList[@ObjectType='pkg']/o"],)
} 

# Convert to dataframe
T1 <- ldply(FileName,RI_ID)

# Rename columns
names(T1)[names(T1) == "a"] <- "UniqueInstallationPackageID"
names(T1)[names(T1) == "b"] <- "PackageVersion_Latest"

# Convert to numeric
FieldToNumeric <- c("UniqueInstallationPackageID","PackageVersion_Latest")
T1[,FieldToNumeric] <- lapply(T1[,FieldToNumeric],as.numeric)

我想（并需要一些帮助）：

• 提取 xml 文件在 windows 资源管理器中显示的修改日期；
• 包括文件名以及修改日期作为最终数据帧的一部分。

我已经查看了以下两个来源，但没有成功实施它们：

• http://datacornering.com/how-to-combine-files-with-r-and-add-filename-column/
• Read multiple xml files in R and combine the data

由于保密协议，我无法分享 xml 文件的示例，但是，如果需要，可以重命名节点等并提交。感谢您的帮助。

解决方法

只需调整 RI_ID 方法即可检索这两条信息（使用 file.info 和 FileName 变量修改日期/时间）并将这些值绑定到 xml 数据框的新列中。 transform() 下方允许使用逗号分隔的分配将列添加到数据框中：

# Create function to extract data
RI_ID <-function(FileName) {
  doc <- xmlParse(FileName) 
  df <- transform(xmlToDataFrame(doc["//ObjectList[@ObjectType='pkg']/o"]),file_name = FileName,file_modified = file.info(FileName)$mtime)
}