使用tidyr的unnest_wider展开同名列表时数据丢失问题求助

问题根源 #

R原生列表不允许重复命名元素，xmlconvert::xml_to_list默认会用后出现的重复XML节点覆盖先出现的，导致后续unnest_wider展开时所有同名列值都被最后一个节点值覆盖——修改names_repair参数无法解决，因为重复节点的信息在列表转换阶段就已经丢失了。

解决方案 #

有两种可行路径，根据你的偏好选择：

路径1：改用xml2手动提取节点（更可控）

直接用xml2包解析XML，保留重复节点为向量，避免信息丢失：

library(xml2)
library(tidyverse)

# 读取XML文档
doc <- read_xml("doc.xml")

# 定位所有<record>节点（适配多记录场景）
records <- xml_find_all(doc, ".//record")

# 定义单条记录提取函数
extract_record <- function(record) {
  # 提取header信息
  header <- list(
    identifier = xml_find_first(record, ".//identifier") %>% xml_text(),
    datestamp = xml_find_first(record, ".//datestamp") %>% xml_text()
  )
  
  # 提取metadata，重复的subject.other转为向量
  metadata <- list(
    publisher = xml_find_first(record, ".//publisher") %>% xml_text(),
    subject_other = xml_find_all(record, ".//subject.other") %>% xml_text(),
    title = xml_find_first(record, ".//title") %>% xml_text()
  )
  
  list(header = header, metadata = metadata)
}

# 批量处理所有记录
doc_list <- map(records, extract_record)

# 转换为tibble并展开为带序号的列
final_df <- tibble(data = doc_list) %>%
  unnest_wider(data) %>%
  unnest_wider(header) %>%
  unnest_wider(metadata, names_sep = "_") %>%
  # 将subject_other向量转为带序号的列
  mutate(subject_other = map(subject_other, ~set_names(., paste0("subject_other_", seq_along(.))))) %>%
  unnest_wider(subject_other)

路径2：调整xmlconvert参数保留重复节点

如果坚持用xmlconvert，修改duplicate_node_handling参数，让重复节点转为列表而非覆盖：

library(xmlconvert)
library(tidyverse)
library(xml2)

# 转换XML为列表，保留重复节点为子列表
doc_list <- xml_to_list(read_xml("doc.xml"), duplicate_node_handling = "as_list")

# 转换为tibble并展开
final_df <- tibble::enframe(doc_list) %>%
  unnest_wider(value, names_repair = "universal") %>%
  unnest_wider(metadata, names_sep = "_") %>%
  # 将重复的subject.other子列表转为带序号的列
  mutate(metadata_subject.other = map(metadata_subject.other, ~set_names(., paste0("subject_other_", seq_along(.))))) %>%
  unnest_wider(metadata_subject.other)

效果验证 #

两种方法都会生成subject_other_1到subject_other_N的列，每个列对应XML里的一个<subject.other>节点值，不会出现覆盖问题，同时适配多记录XML的批量处理。

内容的提问来源于stack exchange，提问作者PierreGeorge