将XML解析为R数据帧

Question

我试图将一个大的xml文件解析为R - data.frame对象。 xml具有以下架构：

<?xml version="1.0" encoding="ISO-8859-1"?>
<?eclipse version="3.0"?>
  <ROOT>
  <row>
    <field name="dtcreated"></field>
    <field name="headline"></field>
    <subheadline/>
    <field name="body"></field>
  </row>
  <row>
    <field name="dtcreated"></field>
    <field name="headline"></field>
    <subheadline/>
    <field name="body"></field>
  </row>
</ROOT>

plyr便利功能没有帮助，因为无法验证xml。 所以我想出了以下代码，使用xpath查询：

adHocXml<-xmlTreeParse(adHocXmlPath,getDTD = FALSE)
adHocRoot<-xmlRoot(adHocXml)
creationDateColumn<-sapply(getNodeSet(adHocRoot,"//row//field[@name='dtcreated']"), xmlValue)
headlineColumn<-sapply(getNodeSet(adHocRoot,"//row//field[@name='headline']"), xmlValue)
bodyColumn<-sapply(getNodeSet(adHocRoot,"//row//field[@name='body']"), xmlValue)
adHocData<-data.frame(creationDate=creationDateColumn,headline=headlineColumn,body=bodyColumn)

代码完全符合我期望它为短文件做的事情。 但是，使用大文件和几千行标签，大约10分钟后会出现以下错误：

Error: 1: internal error: Huge input lookup
2: Extra content at the end of the document 

谁能帮我？

Answer 1

libxml对单个节点的大小有一个上限。 您可以通过启用解析器标志XML_PARSE_HUGE来关闭此限制。 在R包XML您可以这样做：

library(XML)
xmlParse(myXML, options = HUGE)

您可能还想查看xmlEventParse 。 Martin Morgan在这里提供了一个很好的例子。