我正在尝试从此页面获取所有信息：http : //ws.parlament.ch/affairs/19110758/?format=xml
首先，我将文件下载到file并解析xmlParse(file)。
download.file(url = paste0(http://ws.parlament.ch/affairs/19110758/?format=xml), destfile = destfile)
file <- xmlParse(destfile[])
我现在想提取我需要的所有信息。例如标题和ID号。我尝试过这样的事情：
title <- xpathSApply(file, "//h2", xmlValue)
但这仅给我一个错误： unable to find an inherited method for function ‘saveXML’ for signature ‘"XMLDocument"
我尝试的下一件事是这样的：
library(plyr)
test <-ldply(xmlToList(file), function(x) { data.frame(x[!names(x)=="id"]) } )
这给了我data.frame一些信息。但是我丢失了诸如id（最重要）之类的信息。
我想获得一个data.frame包含一行事务的所有信息的行（每个事务仅一行），例如id``updated additionalIndexing``affairTypeetc。
与此配合使用（例如的示例id）：
infofile <- xmlRoot(file)
nodes <- getNodeSet(file, "//affair/id")
id <-as.numeric(lapply(nodes, function(x) xmlSApply(x, xmlValue)))
这将使您进入XML：
library(XML)
library(RCurl)
library(httr)
srcXML <- getURL("http://ws.parlament.ch/affairs/19110758/?format=xml",
.opts=c(user_agent("Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)"),
verbose()))
myXMLFile <- xmlTreeParse(substr(srcXML,4,nchar(srcXML)))
我本来只是使用GET()from的，httr但是似乎并没有user-agent很好地通过（我需要在没有代理的时候进行测试，以确保特定的错误是什么）。我也做了，substr()因为前面有很多奇怪的字符，导致xmlTreeParse()调用出错。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句