R 快速 XML 解析

当前在 R 中将 XML 文件转换为数据帧的最快方法是什么？

XML 如下所示：（注意 - 并非所有行都包含所有字段）

  <row>
    <ID>001</ID>
    <age>50</age>
    <field3>blah</field3>
    <field4 />
  </row>
  <row>
    <ID>001</ID>
    <age>50</age>
    <field4 />
  </row>

我尝试了两种方法：

1. The xml转数据帧 http://www.inside-r.org/packages/cran/XML/docs/xmlToDataFrameXML 库中的函数
2. 发布面向速度的 xmlToDF 函数here http://hopstat.wordpress.com/2014/01/14/faster-xml-conversion-to-data-frames/

对于具有 1.6k“行”和 114“列”的 8.5 MB 文件，xmlToDataFrame 花费了 25.1 秒，而 xmlToDF 在我的计算机上花费了 16.7 秒。

与能够在 0.4 秒内完成这项工作的 python XML 解析器（例如 xml.etree.ElementTree）相比，这些时间相当长。

在 R 中是否有更快的方法来做到这一点，或者 R 中是否有一些基本的东西阻止我们更快地做到这一点？

关于这一点的一些说明将会非常有帮助！

已更新评论

d = xmlRoot(doc)
size = xmlSize(d)

names = NULL
for(i in 1:size){
    v = getChildrenStrings(d[[i]])
    names = unique(c(names, names(v)))
}

for(i in 1:size){
    v = getChildrenStrings(d[[i]])
    cat(paste(v[names], collapse=","), "\n", file="a.csv", append=TRUE)
}

对于 1000x100 xml 记录，此过程大约需要 0.4 秒。如果您知道变量名称，甚至可以省略第一个 for 循环。

注意：如果你的xml内容包含逗号、引号，你可能要特别注意它们。在这种情况下，我推荐下一个方法。

如果你想动态构建 data.frame ，你可以这样做data.table, data.table比上面的csv方法慢一点，但是比上面的方法快data.frame

m = data.table(matrix(NA,nc=length(names), nr=size))
setnames(m, names)
for (n in names) mode(m[[n]]) = "character"
for(i in 1:size){
    v = getChildrenStrings(d[[i]])
    m[i, names(v):= as.list(v), with=FALSE]
}
for (n in names) m[, n:= type.convert(m[[n]], as.is=TRUE), with=FALSE]

对于同一文档，大约需要 1.1 秒即可完成。