使用R处理XML：提取文本及italic内容生成DataFrame

嗨，我来帮你解决这个XML处理的问题～你遇到的报错是因为当<text>里没有<italic>子元素时，直接访问$italic会得到NULL，而ifelse没法正确处理这种空值判断。下面给你两种可行的解决方案：

我们可以先批量提取所有<text>节点，再逐个处理每个节点的文本和<italic>内容，避免手动赋值每一行的麻烦：

library(tidyverse)
library(XML)

# 解析XML内容
question <- xmlParse("
<question>
    <text>Just text</text>
    <text>Text with reaction<italic>Reaction</italic></text>
</question>")

# 获取所有<text>节点
text_nodes <- getNodeSet(question, "//text")

# 遍历节点生成DataFrame
df_question <- map_dfr(text_nodes, function(node) {
  # 提取<text>的纯文本（自动忽略子元素标签）
  text_content <- xmlValue(node, trim = TRUE)
  # 检查是否存在<italic>子元素，存在则提取内容，否则返回NA
  italic_content <- if (length(xmlChildren(node)$italic) > 0) {
    xmlValue(xmlChildren(node)$italic, trim = TRUE)
  } else {
    NA_character_
  }
  # 返回单行数据
  tibble(text = text_content, italic = italic_content)
})

# 查看结果
print(df_question)

运行后会得到你想要的结果：

# A tibble: 2 × 2
  text                 italic
  <chr>                <chr> 
1 Just text            NA    
2 Text with reaction   Reaction

关键改进点： #

• 用getNodeSet配合XPath语法//text批量获取所有<text>节点，比xmlToList更灵活可控。
• 用length(xmlChildren(node)$italic) > 0安全检查子元素是否存在，避免直接访问NULL报错。
• 用map_dfr自动合并所有节点的处理结果，不用手动创建空DataFrame再赋值。

如果你愿意尝试tidyverse生态下的xml2包，代码会更直观简洁，也能完美处理空值：

library(tidyverse)
library(xml2)

# 读取XML内容
question <- read_xml("
<question>
    <text>Just text</text>
    <text>Text with reaction<italic>Reaction</italic></text>
</question>")

# 链式处理生成DataFrame
df_question <- question %>%
  xml_find_all("//text") %>%  # 获取所有<text>节点
  tibble(text_node = .) %>%   # 转为tibble方便后续处理
  mutate(
    text = xml_text(text_node, trim = TRUE),  # 提取<text>的文本内容
    # 提取<italic>内容，不存在则自动转为NA
    italic = xml_find_first(text_node, "./italic") %>% 
      xml_text(trim = TRUE) %>% 
      replace_na(NA_character_)
  ) %>%
  select(text, italic)  # 保留需要的列

# 查看结果
print(df_question)

代码优势： #

• xml_find_first在找不到<italic>子元素时会返回NA，后续用replace_na确保空值统一为NA_character_，完全避免了空值报错问题。
• 链式调用的写法更符合tidyverse的风格，可读性更强。

你原代码里的ifelse(xml_data_question[1]$text$italic != NULL, ...)是无效的：因为当<text>里没有<italic>时，xml_data_question[1]$text$italic会返回NULL，而NULL和任何值比较都会得到logical(0)（空的逻辑值），ifelse无法基于这个空值做出判断，所以会报错。用检查元素长度或者is.null()的方式才能正确判断元素是否存在。

内容的提问来源于stack exchange，提问作者Emeline