如何在R中处理XML同名父节点，提取关联子元素到DataFrame

工具准备 #

使用R的xml2包（现代XML处理工具，比传统XML包更易用），先安装并加载：

install.packages("xml2")
library(xml2)

单文件数据提取函数 #

写一个可复用的函数，从单个XML文件中提取目标数据并维护子元素关联：

extract_annotation_data <- function(file_path) {
  # 读取XML文件
  xml_doc <- read_xml(file_path)
  
  # 定位所有<Annotation>节点
  annotations <- xml_find_all(xml_doc, "//Annotation")
  
  # 遍历每个节点，提取内部的ObjIndex和MicronLength
  data_list <- lapply(annotations, function(anno_node) {
    obj_idx <- xml_integer(xml_find_first(anno_node, "./ObjIndex"))
    micron_len <- xml_double(xml_find_first(anno_node, "./MicronLength"))
    data.frame(ObjIndex = obj_idx, MicronLength = micron_len, stringsAsFactors = FALSE)
  })
  
  # 合并节点数据，添加文件名
  file_result <- do.call(rbind, data_list)
  file_result$filename <- basename(file_path)
  
  # 调整列顺序为需求格式
  file_result <- file_result[, c("filename", "ObjIndex", "MicronLength")]
  
  return(file_result)
}

批量处理多文件 #

指定XML文件所在文件夹，批量遍历所有文件并合并结果：

# 替换为你的XML文件夹路径
xml_folder <- "path/to/your/xml/files"
# 获取所有.xml后缀的文件路径
xml_file_paths <- list.files(path = xml_folder, pattern = "\\.xml$", full.names = TRUE)

# 批量提取并合并所有数据
final_df <- do.call(rbind, lapply(xml_file_paths, extract_annotation_data))

补充说明 #

• 每个<Annotation>节点被单独遍历，节点内的ObjIndex和MicronLength天然关联，直接解决子元素关联问题。
• 使用xml_integer和xml_double直接将文本转换为数值类型，避免后续数据类型转换麻烦。
• 如果需要去掉文件名的.xml后缀，可添加一行：

final_df$filename <- sub("\\.xml$", "", final_df$filename)

内容的提问来源于stack exchange，提问作者RCosta