如何将选举结果XML文件导入R并转换为可用数据框

1 问题核心原因 #

你遇到的返回NULL、报错问题核心是该类选举XML文件为嵌套层级结构，且带有默认命名空间，直接转列表或未注册命名空间就查找节点都会失效。

2 依赖包准备 #

需要用到以下工具包：

• xml2：用于XML节点解析
• dplyr/purrr：用于批量处理节点、整理为结构化数据框

安装加载代码：

# 仅首次运行需要执行安装
install.packages(c("xml2", "dplyr", "purrr"))
# 加载包
library(xml2)
library(dplyr)
library(purrr)

3 分步解析代码 #

3.1 读取文件并注册命名空间 #

# 替换为你本地存储的Detail XML文件路径
xml_path <- "你本地的文件路径/detail.xml"
xml_doc <- read_xml(xml_path)
# 注册XML自带的命名空间，这是避免节点查找为空的核心步骤
ns <- xml_ns(xml_doc)

3.2 批量提取节点生成数据框 #

以下代码可以提取所有竞选项目、候选人、党派、总得票数据，如需选区级细粒度得票，可再嵌套遍历节点：

# 提取所有竞选项目节点
contest_nodes <- xml_find_all(xml_doc, ".//d1:Contest", ns = ns)

# 遍历所有节点生成结构化数据框
election_result <- map_dfr(contest_nodes, function(contest) {
  # 提取当前竞选项目名称
  contest_name <- xml_attr(contest, "text")
  # 提取当前竞选项目下所有候选人/选项节点
  choice_nodes <- xml_find_all(contest, ".//d1:Choice", ns = ns)
  
  map_dfr(choice_nodes, function(choice) {
    # 提取候选人属性，无属性值时默认填充NA避免报错
    choice_name <- xml_attr(choice, "text")
    party <- xml_attr(choice, "party") %||% NA_character_
    total_votes <- xml_attr(choice, "votes") %>% as.integer()
    
    tibble(
      竞选项目 = contest_name,
      候选人 = choice_name,
      党派 = party,
      总得票数 = total_votes
    )
  })
})

3.3 结果验证 #

# 查看前10条解析结果
head(election_result, 10)
# 统计空值数量确认解析完整性
sum(is.na(election_result))

4 常见问题修复 #

• 节点查找返回空值：确认xml_find_all函数已传入ns = ns参数，未注册命名空间无法识别该XML的节点
• 迭代过程报错：对可能缺失的属性用%||% NA_character_设置缺省值，避免NULL打断迭代
• 出现乱码：读取文件时指定编码read_xml(xml_path, encoding = "UTF-8")

内容的提问来源于stack exchange，提问作者Abigail