R语言基于xml2提取XML查询返回全部时间序列的高效方案

问题原因 #

你用xml2::as_list()直接转换整个XML文档后没有遍历嵌套结构，才会误以为只返回了一个时间序列。该接口返回的XML里所有时间序列都存放在同级的TimeSeries节点下，直接转列表后需要逐层提取，用XPath定位节点的处理效率更高。

解决代码 #

library(xml2)
library(dplyr)
library(purrr)

# 原有基础配置
url.iscb <- "http://www.sedlabanki.is/xmltimeseries/"
d.all <- as.Date("1990-01-01")
d.now <- Sys.Date()
u <- paste0(url.iscb,"Default.aspx?DagsFra=",d.all,"T00%3a00%3a00&DagsTil=",
            d.now,"T23%3a59%3a59&GroupID=1&Type=xml")

# 读取XML
f <- read_xml(u)

# 1. 定位所有时间序列节点
ts_nodes <- xml_find_all(f, "//TimeSeries")

# 2. 批量提取所有时间序列，合并为一个数据框
iscb.rates <- map_dfr(ts_nodes, function(ts_node) {
  # 提取当前时间序列的基础信息
  ts_id <- xml_text(xml_find_first(ts_node, "./Id"))
  ts_name <- xml_text(xml_find_first(ts_node, "./Name"))
  
  # 提取该序列下所有数据条目
  entry_nodes <- xml_find_all(ts_node, "./Entry")
  map_dfr(entry_nodes, function(entry) {
    data.frame(
      series_id = ts_id,
      series_name = ts_name,
      date = as.Date(xml_text(xml_find_first(entry, "./Date"))),
      value = as.numeric(xml_text(xml_find_first(entry, "./Value"))),
      stringsAsFactors = FALSE
    )
  })
})

代码说明 #

• 用xml_find_all(f, "//TimeSeries")直接定位所有时间序列根节点，避免手动解析嵌套列表
• 用purrr的map_dfr批量迭代所有节点，自动合并为数据框，不需要提前初始化空数据框拼接
• 每个时间序列的ID、名称会和对应数据条目绑定，方便后续筛选单独的时间序列使用
• 如果不需要保留序列ID和名称，只需后续按需求筛选列即可

内容的提问来源于stack exchange，提问作者Alex