Question

我想从这个文本blob中提取数据。此文本包含制表符分隔的文本和xml标记的文本。我想提取xml blob并分别解析它以供我分析。

Text1   Text2   text3   text4   text4   <Assessment>
  <Questions>
    <Question>
      <Id>1</Id>
      <Key>Instructions</Key>
      <QuestionText>Your Age</QuestionText>
      <QuestionType>Label</QuestionType>
      <Answer>16-30</Answer>
    </Question>
  </Questions>
</Assessment>   text5
Text1   Text2   text3   text4   text4   <Assessment>
  <Questions>
    <Question>
      <Id>1</Id>
      <Key>Instructions</Key>
      <QuestionText>Your Age</QuestionText>
      <QuestionType>Label</QuestionType>
      <Answer>31-49</Answer>
    </Question>
  </Questions>
</Assessment>   text5

我已使用readlines阅读了该文字并执行了以下操作。

tst<-gsub("^\\s+","", tst)
idx<-which(grepl("+<Assessment>+", tst))
tst[idx]<-"<Assessment>"
idx<-which(grepl("</Assessment>", tst))
tst[idx]<-"</Assessment>"

仍然没有想出如何使用XML解析它。

Answer 1

您可能想尝试一下

getNodeSet

来自XML包http://www.inside-r.org/packages/cran/xml/docs/matchNamespaces

的

从xml和制表符分隔的文本中提取数据

1 个答案: