Introdução ao XML

Prof. Walmes Marques Zeviani

23 Fev 2017

XML é uma abordagem geral para representar de dados em diversos formatos.

Fornecer uma razoável definição e explicação para os vários aspectos da linguagem XML e ilustrar alguns dialetos, além de apresentar uma visão geral da sintaxe e estrutura do XML.

Definição e características

XML: eXtensible Markup Language.
Usado para representar dados em diversos formatos.
Tabelas, planilhas, documentos de texto, imagens, redes sociais, estilos de citação.
É tão genérico que pode representar qualquer tipo de dado.

Dialetos XML

HTML (HiperText Markup Language): páginas de internet.
KML (Keyhole Markup Language): informação geográfica tri-dimensional.
CSL (Citation Style Language): referências bibliográficas.
ODF (Open Document Format): documentos de texto, planilha e slides, etc.
SVG (Scalable Vector Graphics): formato de imagens vetoriais.
Epub: publicação/livro eletrônico.

Exemplos

Arquivo XML: https://msdn.microsoft.com/en-us/library/ms762271(v=vs.85).aspx.
Polígonos dos Estados BR: http://www.gmapas.com/poligonos-ibge.
Estilo de referência ABNT: http://dl.dropbox.com/u/9905692/links%20do%20site/estilos%20abnt/ABNT_UFPR_2011-Mendeley.csl.
Imagem vetorial: https://upload.wikimedia.org/wikipedia/en/2/22/Heckert_GNU_white.svg.

Uma tabela de dados

str(mtcars)

## 'data.frame':    32 obs. of  11 variables:
##  $ mpg : num  21 21 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 ...
##  $ cyl : num  6 6 4 6 8 6 8 4 4 6 ...
##  $ disp: num  160 160 108 258 360 ...
##  $ hp  : num  110 110 93 110 175 105 245 62 95 123 ...
##  $ drat: num  3.9 3.9 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 ...
##  $ wt  : num  2.62 2.88 2.32 3.21 3.44 ...
##  $ qsec: num  16.5 17 18.6 19.4 17 ...
##  $ vs  : num  0 0 1 1 0 1 0 1 1 1 ...
##  $ am  : num  1 1 1 0 0 0 0 0 0 0 ...
##  $ gear: num  4 4 4 3 3 3 3 4 4 4 ...
##  $ carb: num  4 4 1 1 2 1 4 2 2 4 ...

write.table(mtcars,
            file = "mtcars.ods",
            quote = FALSE,
            row.names = FALSE)

Abrir no Gnumeric e exportar para XML.

Um catálogo de plantas

https://www.w3schools.com/Xml/plant_catalog.xml

Essencial

A unidade básica é o elemento ou nó.
O elemento é começa e termina com a tag nomeada.
- <title>Os Três Mosqueteiros</title>.
O par de tags delimita o conteúdo do elemento.
O conteúdo de um elemento pode ser outros elementos.
Um elemento sempre tem nome.
Um elemento pode ter atributos.
Atributos são do tipo campo = "valor".

Exemplos

https://www.w3schools.com/xml/xml_attributes.asp.
<ABNT-UFPR-2011-Mendeley.csl>.

Estrutura do XML

Elementos podem conter elementos = estrutura hierárquica.
Atributos registram meta dados ou informações sobre os dados. Ex: estampa de tempo, classe, id.
Capaz de representar estruturas complexas de dados.
A estrutura se assemelha a uma árvore.
Análogo às listas do R.
Embora muito verboso, a taxa de compressão é boa.

Regras

Sempre ter um elemento raíz, declaração e instruções de processamento.
Os elementos devem estar apropriadamente aninhados.
As tags são case sensitive.
Tags devem ocorrer aos pares ou ser auto contida.
- <img src="image.png"></img>
- <img src="image.png"/>
Atributos são sempre na tag de abertura.
Atributos são no formato campo = "valor".
O valor deve estar entre aspas.
Nome do atributo devem ser único no elemento.
Não usar espaços nas estremidades das tags.
Nomes dos elementos podem iniciar com {_A-Za-z}.
O “:” é reservado para namespaces.
A palavra “xml” é reservada, não pode ser usada.
Os caracteres “&”, “<” e “>” como valor devem ser codificados.

Pontos contra

A alta consistência estrututal torna o XML muito verboso.
XML é texto pleno e human-readable. Muitos não gostam de editar.
Ferramentas de visualização e edição são muito desejáveis.

Modelo de árvore

O modelo de árvore é útil para processamento e navegação.
Um dos mecanismos de parsing é o DOM (Document Object Model) que lê o XML e retorna uma estrutura de dados que representa o documento.

Terminologia

Elementos são nós.
Conexões são ramos.
Relação entre termos expressa por relações famíliares.
root: nó mais alto e origem da árvore.
branch: ramo que conecta nós.
parent/child: relação de parentesco entre nós onde parent é o que está mais próximo da origem.
ancestor/decendent: relações de parentesco verticais entre nós separados por outros nós.
sibling: nós que possuem o mesmo parent.
leaf nodes ou terminais: nós que não possuem child.
Profundidade é a distância com relação ao root em número de conexões.

Figura 1: @munzert2015automated, página 47.

Figura 1: MUNZERT et al. (2015), página 47.

Figura 2: @munzert2015automated, página 87.

Figura 2: MUNZERT et al. (2015), página 87.

Pacote

install.packages("XML",
                 dependencies = TRUE,
                 repos = "http://cran-r.c3sl.ufpr.br/")

library(XML)
packageVersion("XML")

## [1] '3.98.1.16'

Leitura

url <- "https://www.w3schools.com/Xml/plant_catalog.xml"
x <- readLines(url)

a <- xmlParse(x)
str(a)

## Classes 'XMLInternalDocument', 'XMLAbstractDocument' <externalptr>

## <?xml version="1.0" encoding="UTF-8"?>
## <CATALOG>
##   <PLANT>
##     <COMMON>Bloodroot</COMMON>
##     <BOTANICAL>Sanguinaria canadensis</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$2.44</PRICE>
##     <AVAILABILITY>031599</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Columbine</COMMON>
##     <BOTANICAL>Aquilegia canadensis</BOTANICAL>
##     <ZONE>3</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$9.37</PRICE>
##     <AVAILABILITY>030699</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Marsh Marigold</COMMON>
##     <BOTANICAL>Caltha palustris</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Mostly Sunny</LIGHT>
##     <PRICE>$6.81</PRICE>
##     <AVAILABILITY>051799</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Cowslip</COMMON>
##     <BOTANICAL>Caltha palustris</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$9.90</PRICE>
##     <AVAILABILITY>030699</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Dutchman's-Breeches</COMMON>
##     <BOTANICAL>Dicentra cucullaria</BOTANICAL>
##     <ZONE>3</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$6.44</PRICE>
##     <AVAILABILITY>012099</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Ginger, Wild</COMMON>
##     <BOTANICAL>Asarum canadense</BOTANICAL>
##     <ZONE>3</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$9.03</PRICE>
##     <AVAILABILITY>041899</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Hepatica</COMMON>
##     <BOTANICAL>Hepatica americana</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$4.45</PRICE>
##     <AVAILABILITY>012699</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Liverleaf</COMMON>
##     <BOTANICAL>Hepatica americana</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$3.99</PRICE>
##     <AVAILABILITY>010299</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Jack-In-The-Pulpit</COMMON>
##     <BOTANICAL>Arisaema triphyllum</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$3.23</PRICE>
##     <AVAILABILITY>020199</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Mayapple</COMMON>
##     <BOTANICAL>Podophyllum peltatum</BOTANICAL>
##     <ZONE>3</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$2.98</PRICE>
##     <AVAILABILITY>060599</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Phlox, Woodland</COMMON>
##     <BOTANICAL>Phlox divaricata</BOTANICAL>
##     <ZONE>3</ZONE>
##     <LIGHT>Sun or Shade</LIGHT>
##     <PRICE>$2.80</PRICE>
##     <AVAILABILITY>012299</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Phlox, Blue</COMMON>
##     <BOTANICAL>Phlox divaricata</BOTANICAL>
##     <ZONE>3</ZONE>
##     <LIGHT>Sun or Shade</LIGHT>
##     <PRICE>$5.59</PRICE>
##     <AVAILABILITY>021699</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Spring-Beauty</COMMON>
##     <BOTANICAL>Claytonia Virginica</BOTANICAL>
##     <ZONE>7</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$6.59</PRICE>
##     <AVAILABILITY>020199</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Trillium</COMMON>
##     <BOTANICAL>Trillium grandiflorum</BOTANICAL>
##     <ZONE>5</ZONE>
##     <LIGHT>Sun or Shade</LIGHT>
##     <PRICE>$3.90</PRICE>
##     <AVAILABILITY>042999</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Wake Robin</COMMON>
##     <BOTANICAL>Trillium grandiflorum</BOTANICAL>
##     <ZONE>5</ZONE>
##     <LIGHT>Sun or Shade</LIGHT>
##     <PRICE>$3.20</PRICE>
##     <AVAILABILITY>022199</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Violet, Dog-Tooth</COMMON>
##     <BOTANICAL>Erythronium americanum</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$9.04</PRICE>
##     <AVAILABILITY>020199</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Trout Lily</COMMON>
##     <BOTANICAL>Erythronium americanum</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$6.94</PRICE>
##     <AVAILABILITY>032499</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Adder's-Tongue</COMMON>
##     <BOTANICAL>Erythronium americanum</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$9.58</PRICE>
##     <AVAILABILITY>041399</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Anemone</COMMON>
##     <BOTANICAL>Anemone blanda</BOTANICAL>
##     <ZONE>6</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$8.86</PRICE>
##     <AVAILABILITY>122698</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Grecian Windflower</COMMON>
##     <BOTANICAL>Anemone blanda</BOTANICAL>
##     <ZONE>6</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$9.16</PRICE>
##     <AVAILABILITY>071099</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Bee Balm</COMMON>
##     <BOTANICAL>Monarda didyma</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$4.59</PRICE>
##     <AVAILABILITY>050399</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Bergamot</COMMON>
##     <BOTANICAL>Monarda didyma</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$7.16</PRICE>
##     <AVAILABILITY>042799</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Black-Eyed Susan</COMMON>
##     <BOTANICAL>Rudbeckia hirta</BOTANICAL>
##     <ZONE>Annual</ZONE>
##     <LIGHT>Sunny</LIGHT>
##     <PRICE>$9.80</PRICE>
##     <AVAILABILITY>061899</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Buttercup</COMMON>
##     <BOTANICAL>Ranunculus</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$2.57</PRICE>
##     <AVAILABILITY>061099</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Crowfoot</COMMON>
##     <BOTANICAL>Ranunculus</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$9.34</PRICE>
##     <AVAILABILITY>040399</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Butterfly Weed</COMMON>
##     <BOTANICAL>Asclepias tuberosa</BOTANICAL>
##     <ZONE>Annual</ZONE>
##     <LIGHT>Sunny</LIGHT>
##     <PRICE>$2.78</PRICE>
##     <AVAILABILITY>063099</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Cinquefoil</COMMON>
##     <BOTANICAL>Potentilla</BOTANICAL>
##     <ZONE>Annual</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$7.06</PRICE>
##     <AVAILABILITY>052599</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Primrose</COMMON>
##     <BOTANICAL>Oenothera</BOTANICAL>
##     <ZONE>3 - 5</ZONE>
##     <LIGHT>Sunny</LIGHT>
##     <PRICE>$6.56</PRICE>
##     <AVAILABILITY>013099</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Gentian</COMMON>
##     <BOTANICAL>Gentiana</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Sun or Shade</LIGHT>
##     <PRICE>$7.81</PRICE>
##     <AVAILABILITY>051899</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Blue Gentian</COMMON>
##     <BOTANICAL>Gentiana</BOTANICAL>
##     <ZONE>4</ZONE>
##     <LIGHT>Sun or Shade</LIGHT>
##     <PRICE>$8.56</PRICE>
##     <AVAILABILITY>050299</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Jacob's Ladder</COMMON>
##     <BOTANICAL>Polemonium caeruleum</BOTANICAL>
##     <ZONE>Annual</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$9.26</PRICE>
##     <AVAILABILITY>022199</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Greek Valerian</COMMON>
##     <BOTANICAL>Polemonium caeruleum</BOTANICAL>
##     <ZONE>Annual</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$4.36</PRICE>
##     <AVAILABILITY>071499</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>California Poppy</COMMON>
##     <BOTANICAL>Eschscholzia californica</BOTANICAL>
##     <ZONE>Annual</ZONE>
##     <LIGHT>Sun</LIGHT>
##     <PRICE>$7.89</PRICE>
##     <AVAILABILITY>032799</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Shooting Star</COMMON>
##     <BOTANICAL>Dodecatheon</BOTANICAL>
##     <ZONE>Annual</ZONE>
##     <LIGHT>Mostly Shady</LIGHT>
##     <PRICE>$8.60</PRICE>
##     <AVAILABILITY>051399</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Snakeroot</COMMON>
##     <BOTANICAL>Cimicifuga</BOTANICAL>
##     <ZONE>Annual</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$5.63</PRICE>
##     <AVAILABILITY>071199</AVAILABILITY>
##   </PLANT>
##   <PLANT>
##     <COMMON>Cardinal Flower</COMMON>
##     <BOTANICAL>Lobelia cardinalis</BOTANICAL>
##     <ZONE>2</ZONE>
##     <LIGHT>Shade</LIGHT>
##     <PRICE>$3.02</PRICE>
##     <AVAILABILITY>022299</AVAILABILITY>
##   </PLANT>
## </CATALOG>
##

Propriedades

class(a)

## [1] "XMLInternalDocument" "XMLAbstractDocument"

xmlSize(a)

## [1] 1

summary(a)

## $nameCounts
## 
## AVAILABILITY    BOTANICAL       COMMON        LIGHT        PLANT 
##           36           36           36           36           36 
##        PRICE         ZONE      CATALOG 
##           36           36            1 
## 
## $numNodes
## [1] 253

Conversão

b <- xmlToList(a)
str(b)

## List of 36
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Bloodroot"
##   ..$ BOTANICAL   : chr "Sanguinaria canadensis"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$2.44"
##   ..$ AVAILABILITY: chr "031599"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Columbine"
##   ..$ BOTANICAL   : chr "Aquilegia canadensis"
##   ..$ ZONE        : chr "3"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$9.37"
##   ..$ AVAILABILITY: chr "030699"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Marsh Marigold"
##   ..$ BOTANICAL   : chr "Caltha palustris"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Mostly Sunny"
##   ..$ PRICE       : chr "$6.81"
##   ..$ AVAILABILITY: chr "051799"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Cowslip"
##   ..$ BOTANICAL   : chr "Caltha palustris"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$9.90"
##   ..$ AVAILABILITY: chr "030699"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Dutchman's-Breeches"
##   ..$ BOTANICAL   : chr "Dicentra cucullaria"
##   ..$ ZONE        : chr "3"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$6.44"
##   ..$ AVAILABILITY: chr "012099"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Ginger, Wild"
##   ..$ BOTANICAL   : chr "Asarum canadense"
##   ..$ ZONE        : chr "3"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$9.03"
##   ..$ AVAILABILITY: chr "041899"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Hepatica"
##   ..$ BOTANICAL   : chr "Hepatica americana"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$4.45"
##   ..$ AVAILABILITY: chr "012699"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Liverleaf"
##   ..$ BOTANICAL   : chr "Hepatica americana"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$3.99"
##   ..$ AVAILABILITY: chr "010299"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Jack-In-The-Pulpit"
##   ..$ BOTANICAL   : chr "Arisaema triphyllum"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$3.23"
##   ..$ AVAILABILITY: chr "020199"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Mayapple"
##   ..$ BOTANICAL   : chr "Podophyllum peltatum"
##   ..$ ZONE        : chr "3"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$2.98"
##   ..$ AVAILABILITY: chr "060599"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Phlox, Woodland"
##   ..$ BOTANICAL   : chr "Phlox divaricata"
##   ..$ ZONE        : chr "3"
##   ..$ LIGHT       : chr "Sun or Shade"
##   ..$ PRICE       : chr "$2.80"
##   ..$ AVAILABILITY: chr "012299"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Phlox, Blue"
##   ..$ BOTANICAL   : chr "Phlox divaricata"
##   ..$ ZONE        : chr "3"
##   ..$ LIGHT       : chr "Sun or Shade"
##   ..$ PRICE       : chr "$5.59"
##   ..$ AVAILABILITY: chr "021699"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Spring-Beauty"
##   ..$ BOTANICAL   : chr "Claytonia Virginica"
##   ..$ ZONE        : chr "7"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$6.59"
##   ..$ AVAILABILITY: chr "020199"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Trillium"
##   ..$ BOTANICAL   : chr "Trillium grandiflorum"
##   ..$ ZONE        : chr "5"
##   ..$ LIGHT       : chr "Sun or Shade"
##   ..$ PRICE       : chr "$3.90"
##   ..$ AVAILABILITY: chr "042999"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Wake Robin"
##   ..$ BOTANICAL   : chr "Trillium grandiflorum"
##   ..$ ZONE        : chr "5"
##   ..$ LIGHT       : chr "Sun or Shade"
##   ..$ PRICE       : chr "$3.20"
##   ..$ AVAILABILITY: chr "022199"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Violet, Dog-Tooth"
##   ..$ BOTANICAL   : chr "Erythronium americanum"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$9.04"
##   ..$ AVAILABILITY: chr "020199"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Trout Lily"
##   ..$ BOTANICAL   : chr "Erythronium americanum"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$6.94"
##   ..$ AVAILABILITY: chr "032499"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Adder's-Tongue"
##   ..$ BOTANICAL   : chr "Erythronium americanum"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$9.58"
##   ..$ AVAILABILITY: chr "041399"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Anemone"
##   ..$ BOTANICAL   : chr "Anemone blanda"
##   ..$ ZONE        : chr "6"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$8.86"
##   ..$ AVAILABILITY: chr "122698"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Grecian Windflower"
##   ..$ BOTANICAL   : chr "Anemone blanda"
##   ..$ ZONE        : chr "6"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$9.16"
##   ..$ AVAILABILITY: chr "071099"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Bee Balm"
##   ..$ BOTANICAL   : chr "Monarda didyma"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$4.59"
##   ..$ AVAILABILITY: chr "050399"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Bergamot"
##   ..$ BOTANICAL   : chr "Monarda didyma"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$7.16"
##   ..$ AVAILABILITY: chr "042799"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Black-Eyed Susan"
##   ..$ BOTANICAL   : chr "Rudbeckia hirta"
##   ..$ ZONE        : chr "Annual"
##   ..$ LIGHT       : chr "Sunny"
##   ..$ PRICE       : chr "$9.80"
##   ..$ AVAILABILITY: chr "061899"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Buttercup"
##   ..$ BOTANICAL   : chr "Ranunculus"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$2.57"
##   ..$ AVAILABILITY: chr "061099"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Crowfoot"
##   ..$ BOTANICAL   : chr "Ranunculus"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$9.34"
##   ..$ AVAILABILITY: chr "040399"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Butterfly Weed"
##   ..$ BOTANICAL   : chr "Asclepias tuberosa"
##   ..$ ZONE        : chr "Annual"
##   ..$ LIGHT       : chr "Sunny"
##   ..$ PRICE       : chr "$2.78"
##   ..$ AVAILABILITY: chr "063099"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Cinquefoil"
##   ..$ BOTANICAL   : chr "Potentilla"
##   ..$ ZONE        : chr "Annual"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$7.06"
##   ..$ AVAILABILITY: chr "052599"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Primrose"
##   ..$ BOTANICAL   : chr "Oenothera"
##   ..$ ZONE        : chr "3 - 5"
##   ..$ LIGHT       : chr "Sunny"
##   ..$ PRICE       : chr "$6.56"
##   ..$ AVAILABILITY: chr "013099"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Gentian"
##   ..$ BOTANICAL   : chr "Gentiana"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Sun or Shade"
##   ..$ PRICE       : chr "$7.81"
##   ..$ AVAILABILITY: chr "051899"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Blue Gentian"
##   ..$ BOTANICAL   : chr "Gentiana"
##   ..$ ZONE        : chr "4"
##   ..$ LIGHT       : chr "Sun or Shade"
##   ..$ PRICE       : chr "$8.56"
##   ..$ AVAILABILITY: chr "050299"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Jacob's Ladder"
##   ..$ BOTANICAL   : chr "Polemonium caeruleum"
##   ..$ ZONE        : chr "Annual"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$9.26"
##   ..$ AVAILABILITY: chr "022199"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Greek Valerian"
##   ..$ BOTANICAL   : chr "Polemonium caeruleum"
##   ..$ ZONE        : chr "Annual"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$4.36"
##   ..$ AVAILABILITY: chr "071499"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "California Poppy"
##   ..$ BOTANICAL   : chr "Eschscholzia californica"
##   ..$ ZONE        : chr "Annual"
##   ..$ LIGHT       : chr "Sun"
##   ..$ PRICE       : chr "$7.89"
##   ..$ AVAILABILITY: chr "032799"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Shooting Star"
##   ..$ BOTANICAL   : chr "Dodecatheon"
##   ..$ ZONE        : chr "Annual"
##   ..$ LIGHT       : chr "Mostly Shady"
##   ..$ PRICE       : chr "$8.60"
##   ..$ AVAILABILITY: chr "051399"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Snakeroot"
##   ..$ BOTANICAL   : chr "Cimicifuga"
##   ..$ ZONE        : chr "Annual"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$5.63"
##   ..$ AVAILABILITY: chr "071199"
##  $ PLANT:List of 6
##   ..$ COMMON      : chr "Cardinal Flower"
##   ..$ BOTANICAL   : chr "Lobelia cardinalis"
##   ..$ ZONE        : chr "2"
##   ..$ LIGHT       : chr "Shade"
##   ..$ PRICE       : chr "$3.02"
##   ..$ AVAILABILITY: chr "022299"

c <- xmlToDataFrame(a)
str(c)

## 'data.frame':    36 obs. of  6 variables:
##  $ COMMON      : chr  "Bloodroot" "Columbine" "Marsh Marigold" "Cowslip" ...
##  $ BOTANICAL   : chr  "Sanguinaria canadensis" "Aquilegia canadensis" "Caltha palustris" "Caltha palustris" ...
##  $ ZONE        : chr  "4" "3" "4" "4" ...
##  $ LIGHT       : chr  "Mostly Shady" "Mostly Shady" "Mostly Sunny" "Mostly Shady" ...
##  $ PRICE       : chr  "$2.44" "$9.37" "$6.81" "$9.90" ...
##  $ AVAILABILITY: chr  "031599" "030699" "051799" "030699" ...

Valores e atributos

text <- '
<person gender="female" bithday="23-May">Ana Smith</person>'

a <- xmlParse(text, asText = TRUE)
str(a)

## Classes 'XMLInternalDocument', 'XMLAbstractDocument' <externalptr>

## <?xml version="1.0"?>
## <person gender="female" bithday="23-May">Ana Smith</person>
##

b <- xmlRoot(a)
str(b)

## Classes 'XMLInternalElementNode', 'XMLInternalNode', 'XMLAbstractNode' <externalptr>

## <person gender="female" bithday="23-May">Ana Smith</person>

xmlAttrs(b)

##   gender  bithday 
## "female" "23-May"

xmlValue(b)

## [1] "Ana Smith"

XML é um padrão de representação com estrutura geral para descrever conteúdo.
Define uma sintaxe geral de básica para especificar elementos, atributos e conteúdo em organização hierárquica.
É capaz de representar diversos tipos de dados.
Existem vários dialetos XML.
Um arquivo XML tem estrutura de árvore.
A posição relativa entre os nós emprega terminologia de árvore genealógica.
O pacote XML foi desenhado para trabalhar com dialetos XML.

MUNZERT, S.; RUBBA, C.; MEIßNER, P.; NYHUIS, D. Automated Data Collection with R: A Practical Guide to Web Scraping and Text Mining. Wiley, 2015.

Introdução ao XML

Objetivo e justificativa

XML

Definição e características

Dialetos XML

Exemplos

Autópsia do XML

Uma tabela de dados

Um catálogo de plantas

Essencial

Exemplos

Estrutura do XML

Regras

Pontos contra

Estrutura hierárquica

Modelo de árvore

Terminologia

Importar XML no R

Pacote

Leitura

Propriedades

Conversão

Valores e atributos

Resumo

Referências