从XML提取数据时，缺失节点返回缺失值的实现方法

要生成与<Trial>节点数量一致的结果向量，需要先遍历所有<Trial>节点，再逐个提取每个节点内的<plouf>文本，缺失时返回NA：

代码实现 #

library(xml2)

test_xml <- "
<test>
<Trial>
<ID> 1 </ID>
<plouf> plouf </plouf>
</Trial>
<Trial>
<ID> 2 </ID>
</Trial>
</test>"

test <- as_xml_document(test_xml)

# 1. 先获取所有Trial节点
all_trials <- xml_find_all(test, "//Trial")

# 2. 逐个提取每个Trial下的plouf文本，无则返回NA
plouf_results <- sapply(all_trials, function(trial_node) {
  plouf_node <- xml_find_first(trial_node, "./plouf")
  if (is.na(plouf_node)) NA_character_ else xml_text(plouf_node)
})

# 查看结果
plouf_results

运行结果 #

[1] " plouf " NA

原理说明 #

你之前用xml_find_all("//plouf")直接提取所有<plouf>节点，只会返回存在该节点的结果，自然会跳过没有<plouf>的<Trial>，导致结果长度和Trial数量不一致。

而先定位所有<Trial>节点，再对每个节点使用xml_find_first查找内部的<plouf>：

• 如果找到节点，就提取文本；
• 如果找不到（返回NA），就填充NA_character_，这样就能保证结果向量长度和Trial节点数完全匹配。

替代写法（tidyverse风格） #

如果你习惯用purrr包，也可以这样写：

library(purrr)

plouf_results <- map_chr(all_trials, ~{
  plouf_node <- xml_find_first(.x, "./plouf")
  ifelse(is.na(plouf_node), NA_character_, xml_text(plouf_node))
})

内容的提问来源于stack exchange，提问作者denis