循环遍历酒店XML账单列表提取DettaglioLinee节点数据生成DataFrame

你之前的代码直接对嵌套节点执行unlist操作，会将所有嵌套层级的字段展开为独立列，而不同行的嵌套字段数量、命名存在差异，就会导致列数暴增、大量NA值的问题。

可以使用xml2配合tidyverse系列工具精准提取目标节点，结构化整合数据，实现代码如下：

# 加载所需依赖包
library(xml2)
library(dplyr)
library(purrr)

# 批量读取所有XML文件路径，请将下方路径替换为你存放XML文件的实际文件夹路径
xml_paths <- list.files(path = "./酒店账单XML/", pattern = "\\.xml$", full.names = TRUE)

# 定义单份XML文件处理函数
process_single_xml <- function(xml_path) {
  # 读取XML文件
  doc <- read_xml(xml_path)
  # 用XPath语法精准定位所有DettaglioLinee目标节点
  line_nodes <- xml_find_all(doc, "//DatiBeniServizi/DettaglioLinee")
  
  # 定义单行节点解析函数
  process_line_node <- function(node) {
    # 提取一级子节点的名称和对应值
    child_vals <- xml_children(node) %>% 
      set_names(xml_name(.)) %>% 
      map(xml_text)
    
    # 展开嵌套的CodiceArticolo节点为独立列
    if ("CodiceArticolo" %in% names(child_vals)) {
      codice_cols <- xml_children(child_vals$CodiceArticolo) %>% 
        set_names(paste0("CodiceArticolo_", xml_name(.))) %>% 
        map(xml_text)
      child_vals <- c(child_vals[names(child_vals) != "CodiceArticolo"], codice_cols)
    }
    
    # 处理多个AltriDatiGestionali节点，按数据类型生成对应列
    adg_nodes <- xml_find_all(node, "./AltriDatiGestionali")
    if (length(adg_nodes) > 0) {
      adg_cols <- map(adg_nodes, ~{
        tipo <- xml_text(xml_find_first(., "./TipoDato"))
        val <- xml_text(xml_find_first(., "./RiferimentoTesto"))
        set_names(list(val), paste0("AltriDati_", tipo))
      }) %>% flatten()
      child_vals <- c(child_vals[names(child_vals) != "AltriDatiGestionali"], adg_cols)
    }
    
    # 可选：添加源文件名标识，方便后续追溯数据来源
    child_vals$source_file <- basename(xml_path)
    
    return(as_tibble(child_vals))
  }
  
  # 合并当前XML内所有行节点数据为单个数据表
  return(map_dfr(line_nodes, process_line_node))
}

# 批量处理所有XML文件，合并为最终结构化总表
final_df <- map_dfr(xml_paths, process_single_xml)

如果需要将数值类字段转换为数字类型，可以追加如下代码：

final_df <- final_df %>%
  mutate(
    across(c(NumeroLinea, Quantita, PrezzoUnitario, PrezzoTotale, AliquotaIVA), as.numeric)
  )

该方案通过XPath精准定位目标节点，统一处理嵌套结构，不会生成冗余列，也不会出现大量空值，最终输出的final_df就是你需要的结构化汇总表。

内容的提问来源于stack exchange，提问作者Dany