將XML解析為R數據幀

Question

我試圖將一個大的xml文件解析為R - data.frame對象。 xml具有以下架構：

<?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便利功能沒有幫助，因為無法驗證xml。 所以我想出了以下代碼，使用xpath查詢：

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)

代碼完全符合我期望它為短文件做的事情。 但是，使用大文件和幾千行標簽，大約10分鍾后會出現以下錯誤：

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

誰能幫我？

Answer 1

libxml對單個節點的大小有一個上限。 您可以通過啟用解析器標志XML_PARSE_HUGE來關閉此限制。 在R包XML您可以這樣做：

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

您可能還想查看xmlEventParse 。 Martin Morgan在這里提供了一個很好的例子。