read_xml解析XML返回character[0]及INTEGER()错误排查与参数咨询

问题描述 #

使用R语言xml2包读取并解析XML文件时，出现两个问题：

• 预期返回字符串或数字的节点，实际返回character[0]
• 调试read_xml函数时，控制台持续输出错误INTEGER() can only be applied to a 'integer', not a 'unknown type #29'，即使退出调试模式也无法终止

问题成因 #

1. 命名空间不匹配：XML文件包含多层嵌套的命名空间，根节点命名空间为urn:bvmf.052.01.xsd，而目标节点PricRpt位于内部Document节点，其命名空间为urn:bvmf.217.01.xsd。原代码中直接使用d3:前缀，未正确对应目标节点的命名空间，导致节点查询失败，返回空值。
2. 底层libxml2解析问题：INTEGER()错误来自xml2依赖的libxml2库，通常是解析XML中的特殊节点（如空白节点、格式异常节点）时触发的底层类型转换问题。

解决方法 #

1. 正确处理命名空间（推荐简化方式） #

使用xml_ns_strip()移除XML中的所有命名空间，直接通过节点名查询，避免前缀匹配错误：

library(dplyr)
library(xml2)

# 读取XML文件
test <- read_xml("path/XMLbulletinsample.xml", encoding = "UTF-8")

# 移除所有命名空间，简化节点查询
test_stripped <- xml_ns_strip(test)

# 查询所有PricRpt节点
reports <- xml_find_all(test_stripped, ".//PricRpt")

data_list <- list()

# 循环提取节点数据
for (report in reports) {
  trad_dt <- xml_text(xml_find_first(report, ".//TradDt/Dt"))
  ticker <- xml_text(xml_find_first(report, ".//SctyId/TckrSymb"))
  open_interest <- xml_text(xml_find_first(report, ".//FinInstrmAttrbts/OpnIntrst"))
  first_price <- xml_text(xml_find_first(report, ".//FinInstrmAttrbts/FrstPric"))
  min_price <- xml_text(xml_find_first(report, ".//FinInstrmAttrbts/MinPric"))
  max_price <- xml_text(xml_find_first(report, ".//FinInstrmAttrbts/MaxPric"))
  avg_price <- xml_text(xml_find_first(report, ".//FinInstrmAttrbts/TradAvrgPric"))
  last_price <- xml_text(xml_find_first(report, ".//FinInstrmAttrbts/LastPric"))
  
  data_list[[length(data_list) + 1]] <- data.frame(
    trad_dt = trad_dt,
    ticker = ticker,
    open_interest = as.numeric(open_interest),
    first_price = as.numeric(first_price),
    min_price = as.numeric(min_price),
    max_price = as.numeric(max_price),
    avg_price = as.numeric(avg_price),
    last_price = as.numeric(last_price),
    stringsAsFactors = FALSE
  )
}

# 合并为dataframe
df <- bind_rows(data_list)

2. 修复INTEGER()错误 #

若移除命名空间后仍出现该错误，可尝试：

• 添加解析选项：在read_xml中加入options = list(NOBLANKS = TRUE)，移除XML中的空白节点：

  test <- read_xml("path/XMLbulletinsample.xml", encoding = "UTF-8", options = list(NOBLANKS = TRUE))
  

• 重装xml2包：确保依赖的libxml2库为最新版本，执行install.packages("xml2", type = "binary")重装。

内容的提问来源于stack exchange，提问作者vini_serpa