R语言递归解析xml2嵌套列表 提取全层级节点属性

提取xml2::as_list()输出的多层嵌套列表所有节点属性时，固定层数的循环逻辑无法适配不同XML文件的嵌套深度，需要通用递归遍历方案。

以下为复现问题的样例列表结构，和真实XML转换后的结构完全一致：

identifier = list(
  "000000001"
)
attr(identifier, ",scheme") <- "http://example.com"

member <- list(
  "A Member"
)
attr(member, ",dimension") <- "MemberAxis"

segment <- list(
  Imember = member,
  Imember = member,
  Imember = member
)
attr(segment, "$names") <- c("member", "member", "member")

node_start = list(
  identifier = identifier,
  segment = segment
)
attr(node_start, "$names") <- c("identifier","member")

# 需要解析的嵌套列表对象
# 注：原示例此处存在笔误，自引用会触发无限递归，实际应为已定义的node_start对象
xml_list <- list(
  node_start = node_start
)
# 常规处理：跳过首个无属性包装节点
node_start <- xml_list[[1]]

rapply方案 #

先后尝试过两段rapply遍历逻辑：

# 尝试1
node_recursion <- rapply(node_start, attributes, how = "list", classes = "list")

# 尝试2
node_recursion <- rapply(node_start, function(y){
  message(y)
  attributes(y)[[1]]
}, how = "list", classes = "list")

该方案缺陷：rapply只会递归处理最底层的非列表节点，无法回溯获取父层级节点的属性，输出结果不全。

自定义递归循环尝试 #

先后写过两版自定义递归函数，均存在逻辑错误：

# 版本1
node_recursion <- function(node_start){
  n <- 1
  l <- length(node_start)
  
  for (i in 1:l) {
    if(is.list(node_start[[l]])){
      attributes(node_start[[l]])
      n <- n + 1
      message("added n")
    }else{
      message("hit return")
      return(node_recursion(node_start[[l]][[n]])) 
    } 
  }
}
node_recursion(node_start)

# 版本2（适配深层数据尝试）
node_recursion <- function(node, l){
  
  for (i in 1:l) {
    
    s <- node_attribute[[1]][[x]][[1]][[i]]
    z <- 1
    while (is.list(s)) {
      tryCatch(
        expr = {
          
          n <- attributes(s[[z]]) %>% as.data.frame()
          z <- z + 1
          
        }, error = function(e){
          
          message(paste("layer", z, "break"))
          break
          
        })
    }
    
  }
  
}

该类方案缺陷：循环索引逻辑混乱，存在递归终止条件错误、索引越界、未遍历全部分支的问题，无法稳定运行。

临时可用方案 #

目前临时通过反复unlist的方式提取属性，虽然能拿到结果但实现不规范：

attributes_list <- list()
z <- 1
for (i in node_start) {
  nested_attributes <- lapply(node_start, attributes)
  node_start <- unlist(node_start, recursive = FALSE)
  attributes_list[[z]] <- nested_attributes
  z <- z + 1
}

该方案缺陷：执行过程会反复修改原始输入对象，鲁棒性差，遇到特殊嵌套结构容易出现属性遗漏。

需要得到保留属性名称的扁平化属性列表，格式参考：

list(
  scheme = "http://example.com",
  dimension = "MemberAxis",
  dimension = "MemberAxis",
  dimension = "MemberAxis"
)

递归逻辑核心：处理每个节点时先提取当前节点属性，再遍历所有子节点递归提取，最后将所有层级的属性拼接为扁平化列表，同时自动清洗xml2转换生成的特殊属性标记：

extract_all_xml_attrs <- function(node) {
  result <- list()
  
  # 提取当前节点属性，过滤R列表自带的names内部属性
  current_attr <- attributes(node)
  current_attr[["names"]] <- NULL
  
  # 清洗xml2生成的属性名特殊前缀（逗号、$符号）
  if (length(current_attr) > 0) {
    names(current_attr) <- gsub("^[,\\$]", "", names(current_attr))
    result <- c(result, current_attr)
  }
  
  # 遍历所有子节点，递归提取属性
  for (child in node) {
    if (is.list(child)) {
      child_attr <- extract_all_xml_attrs(child)
      result <- c(result, child_attr)
    }
  }
  
  return(result)
}

# 调用方式
all_attrs <- extract_all_xml_attrs(xml_list[[1]])

该实现的特点：

• 适配任意嵌套深度，不需要提前预知XML节点层数
• 自动过滤列表结构自带的内部属性，清洗后属性名和XML原始属性名一致
• 执行过程不修改原始输入对象，无副作用
• 扩展性强，需要记录节点层级、节点路径时只需增加一个层级参数传递即可

内容的提问来源于stack exchange，提问作者S3AN556