Re: [問題] xpathApply with lapply

看板R_Language作者cywhale時間6年前 (2018/05/04 23:11)推噓3(3推 0噓 15→)

留言18則, 2人參與討論串2/2 (看更多)

library(XML) library(data.table) library(magrittr) #library(purrr) PDF <- xmlTreeParse("ideone_jqS8fo.xml", useInternalNodes=TRUE) pages <- getNodeSet(PDF, "//Page[@number]") words <- sapply(seq_along(pages), function(x) { wx<- getNodeSet(PDF, paste0("//Page[@number='",x,"']/Content/Para/Box/Word")) length(wx) }, simplify = TRUE) out <- rbindlist(list( #rep(xpathApply(PDF, path="//Page", fun= xmlGetAttr, 'number'), each=2), #flatten(mapply(rep, times=words, x=seq_along(pages), USE.NAMES = F)), as.list(do.call(function(x,times) {rep(x,times)}, args=list(x=seq_along(pages), times=words))), xpathApply(PDF, path="//Page/Content/Para/Box/Word/Text", fun= xmlValue), xpathApply(PDF, path="//Page/Content/Para/Box/Word/Box[@*]", fun= xmlAttrs) )) %>% data.table::transpose() #> out V1 V2 V3 V4 V5 1: D1.2 70.87 43.56 94.53 31.56 2: Date 109.17 156.75 131.80 144.75 3: Forms 70.87 43.56 94.53 31.56 4: only 264.74 43.56 286.73 31.56 ######################################### 隨意增加一段Text #> out V1 V2 V3 V4 V5 V6 1: 1 D1.2 70.87 43.56 94.53 31.56 2: 1 Date 109.17 156.75 131.80 144.75 3: 1 MyTry 10.17 15.75 13.80 14.75 4: 2 Forms 70.87 43.56 94.53 31.56 5: 2 only 264.74 43.56 286.73 31.56 ※ 引述《lsshno1 ( )》之銘言： : [問題類型]: : 程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來) : [軟體熟悉度]: : 入門(寫過其他程式，只是對語法不熟悉) : [問題敘述]: : 各位前輩好, 我目前手邊有一個xml的檔案, 我想要取出其中的parent跟children node, : merge在一起. : Page(我的parent node)為分頁, 範例中有兩頁. : Text與Box@llx, lly, urx, ury為我的children node. : 我預期我的data.frame為: : Page Text llx lly urx ury : 1 D1.2 70.87 43.56 94.53 31.56 : 1 Date 109.17 156.75 131.80 144.75 : 2 Forms 70.87 43.56 94.53 31.56 : 2 only 264.74 43.56 286.73 31.56 : 目前參考這邊的做法 https://tinyurl.com/ya3yh5cj : 連結的作法為, 取出每個page的node, 並放在list中. : (就範例而言, 會創造出一個list, 其中有兩個element, 分別代表兩個page) : 接著, 利用lapply結合xpathApply, 對每個element取出我要的children node. : 但, 我發現在values這個list中, 她的確有兩個element, : 其中每個elements都是重複page 1 and 2 的資訊. : 如下: : [[1]] [[2]] : D1.2 D1.2 : Date Date : Forms Forms : only only : 煩請各位指教, 謝謝! : 程式碼: https://ideone.com/D2kbyw : 範例檔案: https://ideone.com/jqS8fo -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.45.14.109 ※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1525446714.A.268.html ※ 編輯: cywhale (114.45.14.109), 05/04/2018 23:16:12

推