Archivos XML en R

XML significa Lenguaje de Marcado Extensible (eXtensible Markup Language), XML está diseñado para transmitir y almacenar datos.

Si aún no conoces XML, puedes consultar:Tutorial de XML

Para leer y escribir archivos XML en R, es necesario instalar un paquete de extensión. Podemos instalarlo ingresando el siguiente comando en la consola de R:

install.packages("XML", repos = "https://mirrors.ustc.edu.cn/CRAN/")

Verificar si la instalación fue exitosa:

> any(grepl("XML",installed.packages()))
[1] TRUE

Crea el archivo sites.xml, el archivo xml debe estar en el mismo directorio que el script de prueba, el código es el siguiente:

Ejemplo

<sites> <site> <id>1</id> <name>Google</name> <url>www.google.com</url> <likes>111</likes> </site> <site> <id>2</id> <name>Ejemplo</name> <url>www.example.com</url> <likes>222</likes> </site> <site> <id>3</id> <name>Taobao</name> <url>www.taobao.com</url> <likes>333</likes> </site> </sites>

A continuación, podemos usar el paquete XML para cargar los datos del archivo xml:

Ejemplo

# Cargar el paquete XML
library("XML")


# Establecer el nombre del archivo
result <- xmlParse(file = "sites.xml")

# Mostrar el resultado
print(result)

Contar la cantidad de datos xml:

Ejemplo

# Cargar el paquete XML
library("XML")


# Establecer el nombre del archivo
result <- xmlParse(file = "sites.xml")

# Extraer el nodo raíz
rootnode <- xmlRoot(result)

# Contar la cantidad de datos
rootsize <- xmlSize(rootnode)

# Mostrar el resultado
print(rootsize)

Al ejecutar el código anterior, el resultado es:

[1] 3

Para ver los datos de un nodo, una fila usa[ ], las filas y columnas especificadas usan[[ ]]:

Ejemplo

# Cargar el paquete XML
library("XML")

# Establecer el nombre del archivo
result <- xmlParse(file = "sites.xml")

# Extraer el nodo raíz
rootnode <- xmlRoot(result)


# Ver los datos del segundo nodo
print(rootnode[2])

# Ver el primer dato del segundo nodo
print(rootnode[[2]][[1]])

# Ver el tercer dato del segundo nodo

print(rootnode[[2]][[3]])

Al ejecutar el código anterior, el resultado es:

$site
<site>
  <id>2</id>
  <name>Ejemplo</name>
  <url>www.example.com</url>
  <likes>222</likes>
</site> 

attr(,"class")
[1] "XMLInternalNodeList" "XMLNodeList"        
<id>2</id> 
<url>www.example.com</url> 

Convertir XML a lista de datos

El resultado del código anterior está en formato xml. Podemos usar la función xmlToList() para convertir los datos del archivo a formato de lista, lo que facilita su lectura:

Ejemplo

# Cargar el paquete XML
library("XML")


# Establecer el nombre del archivo
result <- xmlParse(file = "sites.xml")

# Convertir a lista
xml_data <- xmlToList(result)

print(xml_data)
print("============================")

# Mostrar el dato de la primera fila y segunda columna
print(xml_data[[1]][[2]])

Al ejecutar el código anterior, el resultado es:

$site
$site$id
[1] "1"

$site$name
[1] "Google"

$site$url
[1] "www.google.com"

$site$likes
[1] "111"


$site
$site$id
[1] "2"

$site$name
[1] "Ejemplo"

$site$url
[1] "www.example.com"

$site$likes
[1] "222"


$site
$site$id
[1] "3"

$site$name
[1] "Taobao"

$site$url
[1] "www.taobao.com"

$site$likes
[1] "333"


[1] "============================"
[1] "Google"

Convertir XML a data frame

Los datos del archivo XML se pueden convertir al tipo data frame, de esta manera es más conveniente operar sobre los datos:

Ejemplo

# Cargar el paquete XML
library("XML")

# Convertir los datos del archivo xml a data frame
xmldataframe <- xmlToDataFrame("sites.xml")
print(xmldataframe)

Al ejecutar el código anterior, el resultado es:

  id   name            url likes
1  1 Google www.google.com   111
2  2 Ejemplo www.example.com   222
3  3 Taobao www.taobao.com   333
Otras extensiones