如何用R语言自动批量读取并解析文件夹中的XML文件？

我文件夹下有多个KEGG通路的XML（KGML）文件，之前手动执行以下步骤：

1. 安装并加载BiocManager、KEGGgraph、xml2等R包
2. 逐个读取XML文件
3. 用parseKGML2Graph解析文件

现在希望构建自动化函数完成整个流程，无需手动逐个操作。之前尝试用list.files获取文件列表，但未实现预期的批量处理效果。

1. 优化包的安装与加载 #

封装自动安装并加载所需包的函数，避免重复冗余代码：

install_load_packages <- function(packages) {
  for (pkg in packages) {
    if (!requireNamespace(pkg, quietly = TRUE)) {
      if (pkg %in% c("KEGGgraph")) {
        if (!requireNamespace("BiocManager", quietly = TRUE)) {
          install.packages("BiocManager")
        }
        BiocManager::install(pkg, version = "3.15")
      } else {
        install.packages(pkg)
      }
    }
    library(pkg, character.only = TRUE)
  }
}

# 调用函数安装加载所有依赖包
required_packages <- c("BiocManager", "KEGGgraph", "xml2", "XML", "Rgraphviz", "methods")
install_load_packages(required_packages)

2. 批量读取并解析XML文件 #

编写自动化处理函数，完成文件列表获取、批量读取、解析全流程：

process_kegg_xml <- function(folder_path = ".", genes_only = FALSE) {
  # 获取指定文件夹下所有XML文件（完整路径）
  xml_files <- list.files(path = folder_path, pattern = "\\.xml$", full.names = TRUE)
  
  if (length(xml_files) == 0) {
    stop("未找到任何XML文件，请检查文件夹路径是否正确")
  }
  
  # 批量读取并解析每个XML文件
  parsed_list <- lapply(xml_files, function(file) {
    xml_content <- read_xml(file)
    parseKGML2Graph(xml_content, genesOnly = genes_only)
  })
  
  # 用文件名（去掉后缀）作为列表元素名称，方便识别
  names(parsed_list) <- tools::file_path_sans_ext(basename(xml_files))
  
  return(parsed_list)
}

# 使用示例：处理当前文件夹下的XML文件
parsed_kegg_data <- process_kegg_xml()

# 查看某一个解析结果，比如急性髓系白血病的通路图
parsed_kegg_data[["Acute myeloid leukemia"]]

代码说明 #

• install_load_packages函数：自动判断包是否已安装，Bioconductor专属包（如KEGGgraph）用BiocManager安装，CRAN包用标准安装方式，完成后自动加载。
• process_kegg_xml函数：
  • folder_path参数可指定XML文件所在文件夹，默认当前工作目录
  • full.names = TRUE确保获取文件完整路径，避免因路径问题读取失败
  • 用lapply实现批量处理，返回的列表以文件名（去除.xml后缀）命名，便于后续索引调用
  • 加入空文件检查逻辑，避免无匹配文件时程序报错

内容的提问来源于stack exchange，提问作者Dimitris Karditsas