Discussion :

[Oblinky]

Bonjour,

Ma question va peut-être vous paraître simpliste, mais je ne m'en sort pas...

J'aimerais lire un fichier XML pour un faire un data frame dont les variables sont les extrémités de chaque branche.

Par exemple pour un fichier dans ce goût là

Code xml :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
 
<Dataset>
  <Datarecord>
    <Cat1>
      <Var11>phonographe</Var11> 
      <Var12>champ</Var12> 
      <Souscat>
        <Var111>triangle</Var111> 
      </Souscat>
    </Cat1>
    <Var2>loterie</Var2> 
  </Datarecord>
  <Datarecord>
    <Cat1>
      <Var12>plaine</Var12> 
    </Cat1>
  </Datarecord>
</Dataset>

j'aimerais obtenir un dataframe de la forme

Var11	Var12	Var111	Var2
phonographe	champ	triangle	loterie
NA	plaine	NA	NA

J'ai essayé avec xmlToDataFrame du package XML :

Code R :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
donnees <- XML::xmlParse("~/exemple.xml")
df <- XML::xmlToDataFrame(donnees)

mais cela concatène les variables qui sont en dessous du 2ème noeud :

Cat1	Var2
phonographechamptriangle	loterie
plaine	NA

A noter que je dispose de la liste des noms variables que je peux facilement mettre en vecteur, mais je ne sais pas a priori à quel "niveau de profondeur" sont ces variables sont dans mon fichier XML.

J'espère avoir été suffisamment clair.

Je vous remercie d'avance !

[Oblinky]

Voilà quelques jours que mon sujet est publié et pas encore de réponse...

J'ai l'impression de demander quelque chose d'assez simple, mais peut-être est-ce beaucoup plus compliqué que ça.

Peut-être aussi le titre n'est-il pas tout à fait adapté à ma question, ou peut-être n'ai-je pas posté dans la rubrique la plus adaptée.

Dans tous les cas une réponse m'aiderait beaucoup, je suis toujours bloqué sur mon problème.

Si vous êtes familier de R et du XML et que vous n'avez pas de solution à me donner, cela m'aiderait déjà à avancer si on me disait que le problème est plus compliqué qu'il n'y paraît.
Si vous avez la moindre piste sur la méthode/le package/la fonction/les options à utiliser, n'hésitez pas.

[dev_ggy]

Bonjour,

Après avoir essayé ton code, je me demande si tes données sont bien formatées.

Je vois un niveau de trop dans ton dom, c'est celui qui correspond au noeud Cat1.

En supprimant l'ensemble de ses balises (ouvrantes et fermantes), j'obtiens ce que tu cherches.

Code xml :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
<Dataset>
  <Datarecord>
      <Var11>phonographe</Var11> 
      <Var12>champ</Var12> 
      <Souscat>
        <Var111>triangle</Var111> 
      </Souscat>
    <Var2>loterie</Var2> 
  </Datarecord>
  <Datarecord>
      <Var12>plaine</Var12> 
  </Datarecord>
</Dataset>

Bien cordialement,

[Oblinky]

Bonjour,

Merci de ta réponse, mais le fichier XML que je donne en exemple est ici très court, mais les fichiers de données XML réels que je traite sont beaucoup plus gros, avec parfois jusqu'à 7 ou 8 nœuds imbriqués.

Ce que je voudrais obtenir, c'est un data frame où les balises à l'extrémité des branches soient les variables, et où chaque <Datarecord>.....<Datarecord> corresponde à une observation.

Je suis en train d'essayer d'autres pistes :

• utiliser un script XSSL pour transformer mes fichiers XML complexes en fichiers XML "plats" où toutes les extrémités se retrouveraient au même niveau
• utiliser read_xml du package xml2, qui ne fait pas directement un data frame mais des listes, mais qui au moins va au bout des branches