用R解析XML（一）

    我们知道在网页中解析数据时经常用到XML的语法知识，因为数据的存储格式一般是XML的，所以学习XML的基本知识还是很有必要的。那么，什么是XML呢？XML的含义是可扩展标记语言（EXtensible Markup Language），是一种纯文本文件，语法类似html，被设计用来传输数据，而非展示数据的。在这里我们会介绍XML的最基本知识，以供R解析网页时使用。先看如下所示XML文件：

<?xml version="1.0" encoding="ISO-8859-1"?>
<!--  Copyright w3school.com.cn -->
<!-- W3School.com.cn bookstore example -->
<bookstore name="bookstore">
<book category="children">
<title lang="en">Harry Potter</title>
<author>J K. Rowling</author>
<year>2005</year>
<price>29.99</price>
</book>
<book category="cooking">
<title lang="en">Everyday Italian</title>
<author>Giada De Laurentiis</author>
<year>2005</year>
<price>30.00</price>
</book>
<book category="web" cover="paperback">
<title lang="en">Learning XML</title>
<author>Erik T. Ray</author>
<year>2003</year>
<price>39.95</price>
</book>
<book category="web">
<title lang="en">XQuery Kick Start</title>
<author>James McGovern</author>
<author>Per Bothner</author>
<author>Kurt Cagle</author>
<author>James Linn</author>
<author>Vaidyanathan Nagarajan</author>
<year>2003</year>
<price>49.99</price>
</book>
</bookstore>

      第一行声明了xml的版本和编码方式，往下两行是注释。第四行<bookstore>是根元素，一个xml文件必须含有根元素，该元素是其他所有元素的父元素。该元素从<bookstore name="bookstore">开始，至</bookstore>关闭，每个元素都必须这样正确嵌套。中间的元素<book>是<bookstore>的子元素。那么什么是元素呢？就像是xml中的标签，如<bookstore> <book> <title> <author>等。xml文件以根元素为起始，父元素带子元素的方式，一层层展开，形成树状结构。下面这张图可以很好的解释上图的xml文件：

   

      从上面的结构图可以看出，元素可以有属性，如<book>元素的属性category，可以有文本内容即真正的数据，如<price>元素包含的29.99。所有这些都是我们想要解析出的数据。

     元素和属性的区别是数据应尽量用元素来表示，数据之外的信息可以用元素表示，如元数据（有关数据的数据）可以用属性存储，数据本身还是应表示为元素。