解析XML时，节点集始终为0

问题描述

这是我的第一个堆栈问题，因此，如果我做错了什么，请告诉我。

我正在尝试使用xml2包以及可能的pandas包解析数据。在下面，您可以找到数据的匿名快照。

<?xml version="1.0" encoding="utf-8"?>
<a xmlns:xsd="http://www.y.org/y1/y2" xmlns:xsi="http://www.y.org/y1/y3" xmlns="http://x.nl/">
  <b1>1</b1>
  <b2>2019-07-01T10:01:35.312+02:00</b2>
  <b3>xxx</b3>
  <b4>xxx</b4>
  <b5>
    <c>
      <d1>
      </d1>
      <d2>xxxx</d2>
      <d3>
        <e1>
        </e1>
        <e2>
          <ID>1</ID>
          <f2>XXXXXXXXXXX</f2>
          <event>
            <eventType>start</eventType>
            <eventValue>true</eventValue>
            <timestamp>2019-10-07T13:45:00.00+02.00</timestamp>
          </event>
          <event>
            <eventType>next</eventType>
            <eventValue>itm1</eventValue>
            <timestamp>2019-10-07T13:46:00.00+02.00</timestamp>
          </event>
          <event>
            <eventType>next</eventType>
            <eventValue>itm2</eventValue>
            <timestamp>2019-10-07T13:47:00.00+02.00</timestamp>
          </event>
          <event>
            <eventType>next</eventType>
            <eventValue>itm3</eventValue>
            <timestamp>2019-10-07T13:48:00.00+02.00</timestamp>
          </event>
          

我想创建类似下表的内容。

+-----------+------------+------------------------------+
| EventType | EventValue |          timestamp           |
+-----------+------------+------------------------------+
| start     | true       | 2019-10-07T13:45:00.00+02.00 |
| next      | itm1       | 2019-10-07T13:46:00.00+02.00 |
| next      | itm2       | 2019-10-07T13:47:00.00+02.00 |
| next      | itm3       | 2019-10-07T13:48:00.00+02.00 |
+-----------+------------+------------------------------+

我尝试了xml_find_all函数来查找所有事件，但是我总是得到{xml_nodeset（0））}。

x <- xml_find_all(data,"//event",xml_ns(data))

有人能以正确的方向向我发送邮件，也可能给我提示以创建类似上述的数据框吗？太神奇了

解决方法

此XML文件包含一些名称空间：

> xml_ns(data)
d1  <-> http://x.nl/
xsd <-> http://www.y.org/y1/y2
xsi <-> http://www.y.org/y1/y3

要从中读取节点，有两种方法。简单的方法是删除所有名称空间：

xml_ns_strip(data)
events <- xml_find_all(data,"//event")
df_event <- 
  data.frame(
    EventType = events %>% xml_find_first("./eventType") %>% xml_text(),EventValue = events %>% xml_find_first("./eventValue") %>% xml_text(),timestamp = events %>% xml_find_first("./timestamp") %>% xml_text()
  )

或者您可以在XPath中添加前缀以获得节点：

events <- xml_find_all(data,"//d1:event")  # d1 is the default namespace
df_event <- 
  data.frame(
    EventType = events %>% xml_find_first("./d1:eventType") %>% xml_text(),EventValue = events %>% xml_find_first("./d1:eventValue") %>% xml_text(),timestamp = events %>% xml_find_first("./d1:timestamp") %>% xml_text()
  )

输出：

> df_event
  EventType EventValue                    timestamp
1     start       true 2019-10-07T13:45:00.00+02.00
2      next       itm1 2019-10-07T13:46:00.00+02.00
3      next       itm2 2019-10-07T13:47:00.00+02.00
4      next       itm3 2019-10-07T13:48:00.00+02.00