在R中修复XML转DataFrame层级丢失：扩展名称字段

核心思路 #

直接从XML节点提取时保留层级关系，通过遍历每个Account节点的祖先节点，拼接出包含父账户名称的完整标识，避免转换为DataFrame后再补全层级的麻烦。

完整代码实现 #

首先加载所需包：

library(xml2)
library(purrr)
library(dplyr)

解析XML文档（假设你的XML内容已存入doc对象）：

# 若XML来自文件，可使用此方式解析
# doc <- read_xml("your_budget.xml")

# 提取所有Account节点（包括嵌套的子节点）
accounts <- xml_find_all(doc, "//Account")

定义函数生成带层级的完整名称：

get_full_hierarchical_name <- function(node) {
  # 获取当前节点的所有Account类型祖先节点
  ancestor_names <- xml_parents(node) %>%
    xml_filter(xml_name(.) == "Account") %>%
    xml_attr("name") %>%
    rev()  # 反转顺序，确保从顶层父节点到直接父节点
  
  # 拼接祖先名称与当前节点名称
  current_name <- xml_attr(node, "name")
  paste(c(ancestor_names, current_name), collapse = "")
}

生成包含层级信息的DataFrame：

budget_df <- tibble(
  step = xml_attr(accounts, "step") %>% as.integer(),
  original_name = xml_attr(accounts, "name"),
  full_name = map_chr(accounts, get_full_hierarchical_name),
  value = xml_attr(accounts, "value") %>% as.numeric()
)

代码说明 #

1. 节点选择修正：原代码中xml_find_all(doc, "//Budget")仅获取顶层Budget节点，改为//Account才能提取所有嵌套的账户节点。
2. 层级名称生成：通过xml_parents遍历当前节点的父节点，筛选出Account类型的祖先并提取名称，反转后与当前节点名称拼接，得到如a1、a1.1、b1这类带父级标识的名称。
3. 类型转换：将step转为整数、value转为数值类型，方便后续用dplyr和ggplot2进行分析。

原问题分析 #

你之前尝试用循环或case_when补全层级失败，本质是因为转换为DataFrame时已经丢失了XML的节点父子关系，事后补全需要额外的逻辑关联，不如在提取节点时直接保留层级信息更高效。

内容的提问来源于stack exchange，提问作者aibe0815