将XML节点集转换为tibble：替代已弃用data_frame函数的报错问题

问题背景 #

• 处理结构复杂的XML文件，一级子节点为item，各item结构差异大，存在属性缺失情况
• 需要将每个item（xml_nodeset对象）存入tibble的一行，用于追踪缺失属性、编写通用处理函数
• 原方案中data_frame()函数已弃用，替换为tibble()/as_tibble()/data.frame()时报错，错误原因是tibble要求列必须为向量类型，而xml_nodeset不属于向量

解决方案 #

核心是将xml_nodeset转换为列表列存入tibble，tibble支持列表列存储复杂对象，完美适配每个item节点单独占一行的需求。

基础实现代码 #

library(xml2)
library(tibble)

# 读取XML文件
xml <- read_xml("input/example.xml")
# 定位所有一级item节点
xml_items <- xml_find_all(xml, "//item")

# 将xml_nodeset转为列表列，存入tibble
items_tbl <- tibble(item = as.list(xml_items))

后续扩展：批量提取属性与文本 #

结合purrr包可以批量处理每个节点，自动对齐缺失字段（填充NA）：

library(purrr)

# 定义单个item节点的处理函数，可根据实际XML结构调整
process_item <- function(node) {
  # 提取节点所有属性
  node_attrs <- xml_attrs(node)
  # 提取所有子节点的文本内容，缺失时返回NA
  node_children <- xml_find_all(node, "./*") %>%
    set_names(xml_name(.)) %>%
    map_chr(xml_text, default = NA_character_)
  
  # 合并属性与子节点文本，转为单行tibble
  tibble(!!!node_attrs, !!!node_children)
}

# 批量处理所有节点，自动对齐所有字段
processed_tbl <- items_tbl %>%
  mutate(processed_data = map(item, process_item)) %>%
  unnest(processed_data)

说明 #

• 列表列存储的item节点可以保留完整的XML结构，方便后续灵活处理
• 扩展代码会自动将所有item的属性、子节点文本提取为列，缺失的字段自动填充NA，便于追踪缺失值
• 可根据实际XML结构修改process_item函数，适配不同的节点解析需求

内容的提问来源于stack exchange，提问作者ReCodeRa