17370845950

推荐使用xml2包读取XML文件，因其简洁稳定且与tidyverse兼容好；安装加载用install.packages("xml2")和library(xml2)，支持本地路径或URL直接读取。

用R读取XML文件，核心是xml2包（推荐）或老版XML包。前者更简洁、稳定、与tidyverse兼容好，后者功能全但语法稍复杂。实际项目中优先选xml2。

安装并加载xml2包

运行以下命令安装并加载：

install.packages("xml2")
library(xml2)

读取XML文件（本地或网络）

支持从本地路径或URL直接读取：

• 读本地文件：doc
• 读网络地址：doc
• 读取后可用xml_name(doc)看根节点名，xml_children(doc)查看子节点

提取节点内容（常用方法）

结构化提取靠xml_find_all()和xml_text()组合：

• 查所有节点文本：xml_text(xml_find_all(doc, "//title"))
• 查带属性的节点，如：xml_find_all(doc, "//item[@id='101']")
• 提取属性值：xml_attr(xml_find_all(doc, "//item")[1], "id")

转成数据框（适合表格型XML）

若XML类似记录列表（如多条），可用xml_nodes() + map_df()（需purrr）或手动构建：

示例（假设有多个含和）：

persons data.frame(
  name = xml_text(xml_find_all(persons, "./name")),
  age = as.numeric(xml_text(xml_find_all(persons, "./age")))
)

不复杂但容易忽略：读取前用xml_validate()检查XML是否格式正确；中文乱码时加read_xml("file.xml", encoding = "UTF-8")。