XMLファイルの違いを見つける方法R

Question

2つの複雑なXMLファイルがありますが、その違いを見つけたいと思います。一つだけ、私はからcompareXMLDocsを試してみました互い

異なる2つのXML

値の中に存在している

• タグ：私は必要なもの

  は見つけることですXMLパッケージですが、あまり満足いくものではありません。

  例

  XML1 
  <root> 
      <first>name1</first> 
      <second>id1</second> 
      <third> 
      <third.1>something</third.1> 
      <third.2>something else</third.2> 
      </third> 
      <fifth>no differences</fifth> 
  </root> 
  
  
  XML2 
  <root> 
      <second>id2</second> 
      <third> 
      <third.1>something2</third.1> 
      <third.2>something else2</third.2> 
      </third> 
      <fourth>blahblah</fourth> 
      <fifth>no differences</fifth> 
  </root> 
  

  だから私はcompareXMLDocsと比較したときに、私が持っている：

  > compareXMLDocs(a, b) 
  $inA 
  first 
      1 
  
  $inB 
  fourth 
      1 
  
  $countDiffs 
  named integer(0) 
  

  を私はfirstタグのみXML1で使用され、fourthタグのみXML2で使用されていることをされていることを知っています。しかし、私は第三の値と第三の値が違うことは分かりません。それは私が探しているものです。私はcountDiffsのことを理解していません。ここではあまり役に立ちません。

  私もデータフレームでXMLを変換しようとしましたが、出力形式はあまり役に立ちません。ツリーが深い大きなXMLファイルが最悪になります。

  私はこの例のために期待される結果は、このようなデータフレームになり

  ：

  Path     A    B 
  /root/first   name1   NA 
  /root/second   id1    id2 
  /root/third/third.1 something  something2 
  /root/third/third.2 something else something else2 
  /fourth    NA    blahblah 
  

Answer 1

データ：

library(xml2) 
library(tidyverse) 

read_xml("<root> 
    <first>name1</first> 
    <second>id1</second> 
    <third> 
    <third.1>something</third.1> 
    <third.2>something else</third.2> 
    </third> 
    <fifth>no differences</fifth> 
</root> 
") -> d1 

read_xml(" 
<root> 
    <second>id2</second> 
    <third> 
    <third.1>something2</third.1> 
    <third.2>something else2</third.2> 
    </third> 
    <fourth>blahblah</fourth> 
    <fifth>no differences</fifth> 
</root> 
") -> d2 

迅速なヘルパー関数を作成します。

# NOTE: this will not handle attributes 
as_path_df <- function(x) { 
    as_list(x) %>% 
    unlist() %>% 
    as.list() %>% 
    as_data_frame() %>% 
    gather(key, val) 
} 

ここです何か^^する：

(d1_p <- as_path_df(d1)) 
## # A tibble: 5 x 2 
##    key   val 
##   <chr>   <chr> 
## 1   first   name1 
## 2  second   id1 
## 3 third.third.1  something 
## 4 third.third.2 something else 
## 5   fifth no differences 

(d2_p <- as_path_df(d2)) 
## # A tibble: 5 x 2 
##    key    val 
##   <chr>   <chr> 
## 1  second    id2 
## 2 third.third.1  something2 
## 3 third.third.2 something else2 
## 4  fourth  blahblah 
## 5   fifth no differences 

キー？

setdiff(d1_p$key, d2_p$key) 
## [1] "first" 

値？

rename(d1_p, d1_val=val) %>% 
    left_join(rename(d2_p, d2_val=val)) %>% 
    mutate(same = (d1_val == d2_val)) 
## # A tibble: 5 x 4 
##    key   d1_val   d2_val same 
##   <chr>   <chr>   <chr> <lgl> 
## 1   first   name1   <NA>  NA 
## 2  second   id1    id2 FALSE 
## 3 third.third.1  something  something2 FALSE 
## 4 third.third.2 something else something else2 FALSE 
## 5   fifth no differences no differences TRUE 

あなたはすぎて、キー欠落部分のための様々な_valまたはsame列にだけis.na()を使用することができます。しかし、setdiff()は超高速です。