基于R语言批量处理XML文件，为节点添加全局唯一标识符

直接上靠谱方案，用专门的XML处理包xml2来做，比正则稳多了，还能保证id全局不重复：

步骤说明 #

• 先安装需要的包：xml2用来解析XML，fs方便遍历文件
• 遍历目标目录里的所有XML文件
• 对每个文件，提取文件名前缀（比如news-1950.xml就取news-1950）
• 找到所有<div>节点，按顺序给每个加idno，格式是前缀-001、前缀-002这种
• 保存修改后的文件

完整代码示例 #

# 首次运行先安装依赖包
install.packages(c("xml2", "fs"))

# 加载包
library(xml2)
library(fs)

# 替换成你的XML文件所在目录路径
xml_dir <- "./your-xml-folder"

# 获取目录下所有XML文件的路径
xml_files <- dir_ls(xml_dir, regexp = "\\.xml$")

# 逐个处理文件
for (file_path in xml_files) {
  # 提取文件名前缀（去掉.xml后缀）
  file_prefix <- path_file(file_path) |> tools::file_path_sans_ext()
  
  # 读取并解析XML文件
  doc <- read_xml(file_path)
  
  # 定位所有<div>节点
  div_nodes <- xml_find_all(doc, "//div")
  
  # 为每个<div>节点添加idno属性
  for (i in seq_along(div_nodes)) {
    # 生成三位格式的序号（不足三位自动补0）
    seq_num <- sprintf("%03d", i)
    idno_value <- paste0(file_prefix, "-", seq_num)
    xml_set_attr(div_nodes[i], "idno", idno_value)
  }
  
  # 保存修改后的XML文件（直接覆盖原文件，需要备份可修改write_xml的输出路径）
  write_xml(doc, file_path)
  cat("处理完成：", file_path, "\n")
}

为什么不推荐用正则？ #

别用gsub直接处理XML文本，万一遇到嵌套<div>、注释里的<div>或者属性中包含<div>字符串的情况，正则根本无法精准识别真实的节点，很容易改坏文件。xml2是基于XML结构解析的工具，能准确定位所有有效<div>节点，避免误操作。

全局唯一性保障 #

每个idno由唯一文件名前缀+文件内自增序号组成，只要你的文件名本身在目录中不重复，生成的idno就绝对全局唯一，完全规避了XSLTgenerate-id()可能跨文件重复的风险。

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