从R数据框生成嵌套节点XML文件：XML库vs原生R哪种更快？

这得看你的数据量大小和对代码可维护性的需求，咱们分情况说：

1. 小数据集（比如你给的7行样本） #

两种方式速度几乎没区别，但我更推荐用xml2（现代XML处理库，比老的XML包更友好）。原因很简单：

• 用库生成XML是结构化的，自动帮你处理标签闭合、特殊字符转义（比如值里的&、<会自动转成合法XML字符），完全不用担心写出语法错误的XML。
• 代码可读性更强，后续修改结构（比如加新的grp/cat）也更方便。

xml2方式示例代码 #

library(xml2)

# 初始化根节点
root <- xml_new_root("root")

# 遍历每一行生成节点
for (i in 1:nrow(df2)) {
  current_row <- df2[i, ]
  # 创建nbr节点
  nbr_node <- xml_add_child(root, "nbr", n = current_row$ID)
  
  # 处理FR组
  fr_grp <- xml_add_child(nbr_node, "grp", n = "FR")
  fr_cols <- names(df2)[grepl("^FR_", names(df2))]
  for (col in fr_cols) {
    parts <- strsplit(col, "_")[[1]]
    # 检查cat节点是否已存在，不存在则创建
    cat_node <- xml_find_first(fr_grp, sprintf('./cat[@n="%s"]', parts[2]))
    if (is.na(cat_node)) cat_node <- xml_add_child(fr_grp, "cat", n = parts[2])
    # 添加col和col_value
    xml_add_child(cat_node, "col", n = parts[3]) %>%
      xml_add_child("col_value") %>%
      xml_text(current_row[[col]])
  }
  
  # 处理CL组（逻辑和FR一致）
  cl_grp <- xml_add_child(nbr_node, "grp", n = "CL")
  cl_cols <- names(df2)[grepl("^CL_", names(df2))]
  for (col in cl_cols) {
    parts <- strsplit(col, "_")[[1]]
    cat_node <- xml_find_first(cl_grp, sprintf('./cat[@n="%s"]', parts[2]))
    if (is.na(cat_node)) cat_node <- xml_add_child(cl_grp, "cat", n = parts[2])
    xml_add_child(cat_node, "col", n = parts[3]) %>%
      xml_add_child("col_value") %>%
      xml_text(current_row[[col]])
  }
}

# 保存到文件
xml_save(root, "output.xml", encoding = "UTF-8")

2. 大数据集（比如数万/数十万行） #

原生R字符串拼接的速度会明显更快。因为XML库需要创建大量节点对象，有额外的内存和对象创建开销；而原生方式直接拼接字符串，没有这些额外成本。

但原生方式的缺点也很突出：你得自己处理所有XML语法细节——比如手动转义特殊字符、确保标签完全闭合，一旦写错就会生成无效XML。

原生R拼接示例代码 #

# 先预处理列名，拆分出grp、cat、col信息
col_names <- names(df2)[-1]  # 排除ID列
col_parts <- strsplit(col_names, "_")
grps <- sapply(col_parts, `[`, 1)
cats <- sapply(col_parts, `[`, 2)
cols <- sapply(col_parts, `[`, 3)

# 定义单一行的XML生成函数
generate_nbr_xml <- function(row) {
  id <- row[1]
  
  # 生成FR组内容
  fr_cats <- unique(cats[grps == "FR"])
  fr_content <- lapply(fr_cats, function(cat) {
    col_idx <- which(cats == cat & grps == "FR") + 1  # 对应row的列索引
    col_name <- cols[cats == cat & grps == "FR"]
    sprintf('<cat n="%s"><col n="%s"><col_value>%s</col_value></col></cat>',
            cat, col_name, row[col_idx])
  }) %>% paste(collapse = "")
  fr_grp <- sprintf('<grp n="FR">%s</grp>', fr_content)
  
  # 生成CL组内容
  cl_cats <- unique(cats[grps == "CL"])
  cl_content <- lapply(cl_cats, function(cat) {
    col_idx <- which(cats == cat & grps == "CL") + 1
    col_name <- cols[cats == cat & grps == "CL"]
    sprintf('<cat n="%s"><col n="%s"><col_value>%s</col_value></col></cat>',
            cat, col_name, row[col_idx])
  }) %>% paste(collapse = "")
  cl_grp <- sprintf('<grp n="CL">%s</grp>', cl_content)
  
  # 组合成完整nbr节点
  sprintf('<nbr n="%s">%s%s</nbr>', id, fr_grp, cl_grp)
}

# 生成所有行的XML并拼接
all_nbrs <- apply(df2, 1, generate_nbr_xml)
full_xml <- paste('<?xml version="1.0" encoding="UTF-8"?>', '<root>', 
                  paste(all_nbrs, collapse = ""), '</root>', sep = "\n")

# 写入文件
writeLines(full_xml, "output_native.xml")

总结建议 #

• 数据量小、追求代码稳健性：选xml2库，省心不易出错。
• 数据量大、对性能要求极高：用原生字符串拼接，但一定要做好特殊字符转义（比如把&换成&，<换成<）。

内容的提问来源于stack exchange，提问作者krifur