从xml和制表符分隔的文本中提取数据

Question

我想从此文本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并为我的分析分别进行解析。

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 

我已阅读文本使用readlines并做了以下操作。

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

还没有想出如何使用XML解析它。

Answer 1

您可能希望有

getNodeSet

从XML包一试http://www.inside-r.org/packages/cran/xml/docs/matchNamespaces