解析存储在zip文件中的多个XBRL文件

Question

我已经从一个网站下载了多个zip文件。 每个zip文件包含多个html和xml扩展名文件（每个〜100K）。

可以手动提取文件然后解析它们。 但是，我希望能够在R内执行此操作（如果可能）

使用上一个问题中的代码的示例文件（很抱歉，它有点大）-下载一个zip文件

library(XML)

pth <- "http://download.companieshouse.gov.uk/en_monthlyaccountsdata.html"
doc <- htmlParse(pth)

myfiles <- doc["//a[contains(text(),'Accounts_Monthly_Data')]", fun = xmlAttrs][[1]]
fileURLS <- file.path("http://download.companieshouse.gov.uk", myfiles) [[1]]

dir.create("temp", "hmrcCache")
download.file(fileURLS, destfile = file.path("temp", myfiles))

如果我手动提取文件，则可以使用XBRL package解析文件。 可以如下进行

library(XBRL)     
inst <- file.path("temp", "Prod224_0004_00000121_20130630.html")
out <- xbrlDoAll(inst, cache.dir="temp/hmrcCache", prefix.out=NULL, verbose=T)

我在如何从zip文件夹中提取这些文件并解析每个文件（例如，使用R循环）中而无须手动提取它们的情况下苦苦挣扎。 我尝试开始，但不知道如何从这里开始。 感谢您的任何建议。

# Get names of files
lst <- unzip(file.path("temp", myfiles), list=TRUE)
dim(lst) # 118626

# unzip  and extract first file
nms <- lst$Name[1] # Prod224_0004_00000121_20130630.html
lst2 <- unz(file.path("temp", myfiles), filename=nms)

我正在使用Windows 8.1

R版本3.1.2（2014-10-31）

平台：x86_64-w64-mingw32 / x64（64位）

Answer 1

使用Karsten在评论中的建议，我将文件解压缩到一个临时目录，然后解析每个文件。 我用snow包加快了速度。

  # Parse one zip file to start
  fls <- list.files(temp)[[1]]

  # Unzip 
  tmp <- tempdir()
  lst <- unzip(file.path(temp, fls), exdir=tmp)

  # Only parse first 10 records
  inst <- lst[1:10]

  # Start to parse - in parallel
  cl <- makeCluster(parallel::detectCores())
  clusterCall(cl, function() library(XBRL))

  # Start
  st <- Sys.time()

  out <- parLapply(cl, inst, function(i) 
                                  xbrlDoAll(i, 
                                            cache.dir="temp/hmrcCache", 
                                            prefix.out=NULL, verbose=T) )

  stopCluster(cl)

  Sys.time() - st

（我不确定我是否正确使用了tempdir() ，因为这似乎会将大量数据保存到Local\\Temp目录中-如果我处理不正确，我将欢迎提出评论，谢谢）。