Verificando autores com ordem de autoria repetida nos Lattes

check-authors.R

library(XML)

check <- function(filename, dir = getwd()) {
  doc <- xmlInternalTreeParse(paste(dir, filename, sep="/"))
  tmp <- xpathSApply(doc,"//AUTORES", function(x)
                     c(xmlGetAttr(xmlParent(x), "SEQUENCIA-PRODUCAO"),
                       xmlGetAttr(x, "ORDEM-DE-AUTORIA")))
  if(class(tmp) == "list" & length(tmp) == 0)
    return(list(file = filename, resp = NA))
  tmp <- t(tmp)
  tt <- table(tmp[,1], tmp[,2])
  list(file = filename, resp = which(tt > 1, arr.ind = TRUE))
}

# onde "xml" e o diretorio onde estão os arquivos XML dos currículos
# Lattes recuperados do CNPq.
filenames <- dir("xml", full.names = TRUE)

# Aplicando a função check para cada um dos arquivos.
teste <- lapply(filenames, check)

# Verificando os casos com erros
erros <- lapply(teste, function(x) ifelse(class(x$resp) == "matrix",
                                          nrow(x$resp), 0))
teste[which(unlist(erros) > 0 )]