Как разобрать список URL, чтобы получить "Link" и "ID", используя XML в R - PullRequest
Новая
       20

Как разобрать список URL, чтобы получить "Link" и "ID", используя XML в R

0 голосов
/ 05 июня 2018 
[1] "<item xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\" xsi:type=\"itemWithRetweets\" link=\"http://twitter.com/charliekirk11/statuses/1002221842894012416\" id=\"1002221842894012416\">\n  <author>Charlie Kirk</author>\n  <date>2018-05-31T12:14:42-04:00</date>\n  <attachments/>\n  <estimated_retweets>30</estimated_retweets>\n  <screenName>charliekirk11</screenName>\n  <avatarUrl>http://pbs.twimg.com/profile_images/993982887635685377/4CEEsYDS_normal.jpg</avatarUrl>\n  <language>en</language>\n  <location>\n    <country>US</country>\n    <locationString>Chicago, Illinois</locationString>\n  </location>\n</item>"
[2] "<item xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\" xsi:type=\"itemWithRetweets\" link=\"http://twitter.com/charliekirk11/statuses/1002221842894012416\" id=\"1002221842894012416\">\n  <author>Charlie Kirk</author>\n  <date>2018-05-31T12:14:42-04:00</date>\n  <attachments/>\n  <estimated_retweets>30</estimated_retweets>\n  <screenName>charliekirk11</screenName>\n  <avatarUrl>http://pbs.twimg.com/profile_images/993982887635685377/4CEEsYDS_normal.jpg</avatarUrl>\n  <language>en</language>\n  <location>\n    <country>US</country>\n    <locationString>Chicago, Illinois</locationString>\n  </location>\n</item>"
[3] "<item xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\" xsi:type=\"itemWithRetweets\" link=\"http://twitter.com/charliekirk11/statuses/1002221842894012416\" id=\"1002221842894012416\">\n  <author>Charlie Kirk</author>\n  <date>2018-05-31T12:14:42-04:00</date>\n  <attachments/>\n  <estimated_retweets>30</estimated_retweets>\n  <screenName>charliekirk11</screenName>\n  <avatarUrl>http://pbs.twimg.com/profile_images/993982887635685377/4CEEsYDS_normal.jpg</avatarUrl>\n  <language>en</language>\n  <location>\n    <country>US</country>\n    <locationString>Chicago, Illinois</locationString>\n  </location>\n</item>"

У меня есть список URL-адресов, и я хотел бы получить только "link" и "id".Я пробовал xml_attr (x, "link) и xml_attr (x," id "), но, похоже, он не работает для списка.

1 Ответ

0 голосов
/ 06 июня 2018

Одно решение использует пакет purrr от Tidyverse.

В принципе, функция map позволяет вам перебирать список, применять функцию и возвращать список.Здесь я проанализировал xml и убрал значение в виде таблицы (как data.frame).map_dfr преобразует полученный список напрямую в формат таблицы с помощью привязки строк. 

xml_text <- list("<item xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\" xsi:type=\"itemWithRetweets\" link=\"http://twitter.com/charliekirk11/statuses/1002221842894012416\" id=\"1002221842894012416\">\n  <author>Charlie Kirk</author>\n  <date>2018-05-31T12:14:42-04:00</date>\n  <attachments/>\n  <estimated_retweets>30</estimated_retweets>\n  <screenName>charliekirk11</screenName>\n  <avatarUrl>http://pbs.twimg.com/profile_images/993982887635685377/4CEEsYDS_normal.jpg</avatarUrl>\n  <language>en</language>\n  <location>\n    <country>US</country>\n    <locationString>Chicago, Illinois</locationString>\n  </location>\n</item>",
"<item xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\" xsi:type=\"itemWithRetweets\" link=\"http://twitter.com/charliekirk11/statuses/1002221842894012416\" id=\"1002221842894012416\">\n  <author>Charlie Kirk</author>\n  <date>2018-05-31T12:14:42-04:00</date>\n  <attachments/>\n  <estimated_retweets>30</estimated_retweets>\n  <screenName>charliekirk11</screenName>\n  <avatarUrl>http://pbs.twimg.com/profile_images/993982887635685377/4CEEsYDS_normal.jpg</avatarUrl>\n  <language>en</language>\n  <location>\n    <country>US</country>\n    <locationString>Chicago, Illinois</locationString>\n  </location>\n</item>",
"<item xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\" xsi:type=\"itemWithRetweets\" link=\"http://twitter.com/charliekirk11/statuses/1002221842894012416\" id=\"1002221842894012416\">\n  <author>Charlie Kirk</author>\n  <date>2018-05-31T12:14:42-04:00</date>\n  <attachments/>\n  <estimated_retweets>30</estimated_retweets>\n  <screenName>charliekirk11</screenName>\n  <avatarUrl>http://pbs.twimg.com/profile_images/993982887635685377/4CEEsYDS_normal.jpg</avatarUrl>\n  <language>en</language>\n  <location>\n    <country>US</country>\n    <locationString>Chicago, Illinois</locationString>\n  </location>\n</item>")

library(xml2)
library(tibble)
library(purrr)
xml_text %>% 
  map_dfr(~ {
    content <- read_xml(.x)
    tibble(
      link = xml_attr(content, "link"),
      id = xml_attr(content, "id")
    )
  })
#> # A tibble: 3 x 2
#>   link                                                          id        
#>   <chr>                                                         <chr>     
#> 1 http://twitter.com/charliekirk11/statuses/1002221842894012416 100222184~
#> 2 http://twitter.com/charliekirk11/statuses/1002221842894012416 100222184~
#> 3 http://twitter.com/charliekirk11/statuses/1002221842894012416 100222184~

Создано в 2018-06-06 пакетом представлением (v0.2.0).

...