将值合并到巨大的 XML 文件中

我需要在一些巨大的 XML 文件中查找并组合信息（doc http://www.omegahat.org/RSXML/Overview.html.

从那里添加到示例中，这或多或少是我的文件的样子：

<?xml version="1.0" ?>
<TABLE>
  <SCHOOL>
    <NAME> School1 </NAME>
    <GRADES>
      <STUDENT> Fred </STUDENT>
      <TEST1> 66 </TEST1>
      <TEST2> 80 </TEST2>
      <FINAL> 70 </FINAL>
    </GRADES>
    <TEAMS>
      <SOCCER> SoccerTeam1 </SOCCER>
      <HOCKEY> HockeyTeam1 </HOCKEY>
    </TEAMS>
  </SCHOOL>
  <SCHOOL>
    <NAME> School2 </NAME>
    <GRADES>
      <STUDENT> Wilma </STUDENT>
      <TEST1> 97 </TEST1>
      <TEST2> 91 </TEST2>
      <FINAL> 98 </FINAL>
    </GRADES>
    <TEAMS>
      <SOCCER> SoccerTeam2 </SOCCER>
    </TEAMS>
  </SCHOOL>
</TABLE>

我需要列出每所学校曲棍球队的学生以及球队名称。该示例所需的输出应该是“Fred”、“HockeyTeam1”、“School1”。真实的例子有成千上万的“学校”、“曲棍球队”和“球员”。

如何使用 xmlEventParse 解析文件以提取信息？我尝试从文件中提取所有文本字段，但经过几个小时的等待后仍然没有输出。注意：实际文件比这更加嵌套，因此仅步进固定级别来查找信息是不够的。

我们将使用 XML 包

library(XML)

并创建一个闭包，其中包含一个处理“SCHOOL”节点的函数，以及两个用于在完成后检索结果的辅助函数。 SCHOOL 函数在每个 SCHOOL 节点上调用。如果它找到曲棍球队，它会使用 /SCHOOL/NAME/text() 作为“密钥”，并使用 /SCHOOL/TEAMS/HOCKEY/text() 和 //STUDENT/text() （或 /SCHOOL/GRADES /STUDENT/text()) 作为值。每 100 所（默认情况下）拥有曲棍球队的学校会打印一条消息，以便显示一些进展情况。事后使用“get”函数来检索结果。

teams <- function(progress=1000) {
    res <- new.env(parent=emptyenv())   # for results
    it <- 0L                            # iterator -- nodes visited
    list(SCHOOL=function(elt) {
        ## handle 'SCHOOL' nodes 
        if (getNodeSet(elt, "not(/SCHOOL/TEAMS/HOCKEY)"))
            ## early exit -- no hockey team
            return(NULL)
        it <<- it + 1L
        if (it %% progress == 0L)
            message(it)
        school <- getNodeSet(elt, "string(/SCHOOL/NAME/text())") # 'key'
        res[[school]] <-
            list(team=getNodeSet(elt,
                   "normalize-space(/SCHOOL/TEAMS/HOCKEY/text())"),
                 students= xpathSApply(elt, "//STUDENT", xmlValue))
    }, getres = function() {
        ## retrieve the 'res' environment when done
        res
    }, get=function() {
        ## retrieve 'res' environment as data.frame
        school <- ls(res)
        team <- unlist(eapply(res, "[[", "team"), use.names=FALSE)
        student <- eapply(res, "[[", "students")
        len <- sapply(student, length)
        data.frame(school=rep(school, len), team=rep(team, len),
                   student=unlist(student, use.names=FALSE))
    })
}

我们使用该函数作为

branches <- teams()
xmlEventParse("event.xml", handlers=NULL, branches=branches)
branches$get()