R：如何加載大型壓縮xml文件的一小部分？

Question

我有一個相當大的壓縮文件xml如myfile.xml.gz

我想加載該文件的一個小的子樣本，但我沒能找到任何xml2::read_xml或XML::xmlTreeParse一些nrows選項。

試圖直接打開整個文件只是崩潰我的電腦（文件太大）。

如何才能將xml文件的子集加載到數據框中？

Answer 1

使用xmlEventParse以SAX方式讀取xml。

讓我們以下面的XML文件：

<items> 
    <item> 
    <id>l001</id> 
    <qty>1</qty> 
    <price>10</price> 
    </item> 
    <item> 
    <id>l002</id> 
    <qty>100</qty> 
    <price>10</price> 
    </item> 
    <item> 
    <id>l003</id> 
    <qty>5</qty> 
    <price>12</price> 
    </item> 

    [...] 

</items> 

我們將使用事件分析器，以避免加載的一切到內存中的「混合模式」，加載每個item爲一棵樹（使用branches而不是handlers） 。重用https://stackoverflow.com/a/31014005/1992669，這給：

library(XML) 

input <- "input.xml" 
items <- NULL 
maxItems <- 50 

parseItem = function (parser, node, ...) { 
    children <- xmlChildren(node) 
    items <<- rbind(items, sapply(children, xmlValue)) 
    if (nrow(items) == maxItems) { 
    xmlStopParser(parser) 
    } 
} 

# with XMLParserContextFunction, we get the parser as first parameter 
# so we can call xmlStopParser 
class(parseItem) = c("XMLParserContextFunction", "SAXBranchFunction") 

xmlEventParse(input, 
       branches = list(item = parseItem), 
       ignoreBlanks = T 
      ) 

items <- as.data.frame(items)