Прочитайте XML-файл в R и создайте фрейм данных, когда узлы имеют разную длину и содержимое.

Переменное число BLOC_COMPETENCES действительно усложняет проблему. В приведенном ниже сценарии проанализированы все узлы микрофиши, а затем пройдены по каждому узлу, чтобы получить нужные коды и клеветы. Также необходимо проверить наличие кодов нулевой длины и клеветы. Так как список фиш очень длинный, для выполнения оператора lapply потребуется некоторое время.

library(xml2)
library(dplyr)

#read the document
page <- read_xml("export_fiches_RNCP_2020-08-03.xml")

#read all fiches nodes
fiches <- xml_find_all(page, "//FICHE")

#parse each fiches
dfs <-lapply(fiches, function(node){
   id <- node %>% xml_find_first(".//ID_FICHE")  %>% xml_text()
   codes <-  node %>% xml_find_all(".//BLOC_COMPETENCES/CODE") %>% xml_text()
   libelles <- node %>% xml_find_all(".//BLOC_COMPETENCES/LIBELLE")%>% xml_text()
   #correct for codes which don't exist
   if (length(codes) <1 ) {codes = NA}
   if (length(libelles) <1 ) {libelles = NA}

   df<- data.frame(id, codes, libelles, stringsAsFactors = FALSE)
})

#merge all of the data frames
answer <- bind_rows(dfs)

Используйте XSLT для преобразования исходного XML для извлечения необходимых узлов. Затем используйте удобный обработчик xmlToDataFrame, избегая for или apply семейных циклов или логики if.

Поскольку XSLT 1.0 является независимым переносимым отраслевым языком, существует множество способов его запуска, включая процессоры, такие как xsltproc, через другие языки (Java, Python, PHP) или с пакетом R xslt.

XSLT (сохранить как файл .xsl, специальный файл .xml, используемый ниже)

<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
    <xsl:output method="xml" omit-xml-declaration="yes" indent="yes"/>
    <xsl:strip-space elements="*"/>

    <!-- EXTRACT ONLY FICHE NODES -->
    <xsl:template match="/FICHES">
     <xsl:copy>
       <xsl:apply-templates select="FICHE"/>
     </xsl:copy>
    </xsl:template>
    
    <!-- WITHIN EACH FICHE NODE, EXTRACT ONLY ITS DESCENDANT, BLOC_COMPETENCES NODES-->
    <xsl:template match="FICHE">
       <xsl:apply-templates select="descendant::BLOC_COMPETENCES"/>
    </xsl:template>
    
    <!-- WITHIN EACH BLOC_COMPETENCE, DO TWO THINGS:            -->
    <!--      1. RETRIEVE UPPER LEVEL ANCESTOR NODE, ID_FICHE   -->
    <!--      2. RETRIEVE CODE AND LIBELLE CHILD NODES          -->
    <xsl:template match="BLOC_COMPETENCES">
     <xsl:copy>
       <xsl:copy-of select="ancestor::FICHE/ID_FICHE"/>
       <xsl:copy-of select="CODE | LIBELLE"/>
     </xsl:copy>
    </xsl:template>
    
</xsl:stylesheet>

Подход 1 (используя описанный выше XSLT в файле с именем style.xsl)

R + xsltproc

library(XML)

setwd("...")
system("xsltproc -o transformed.xml style.xsl export_fiches_RNCP_2020-08-03.xml")

doc <- xmlParse("transformed.xml")
doc
# <FICHES>
#   <BLOC_COMPETENCES>
#     <ID_FICHE>3614</ID_FICHE>
#     <CODE>RNCP13004BC01</CODE>
#     <LIBELLE>Du dérushage au montage</LIBELLE>
#   </BLOC_COMPETENCES>
#   <BLOC_COMPETENCES>
#     <ID_FICHE>3614</ID_FICHE>
#     <CODE>RNCP13004BC02</CODE>
#     <LIBELLE>Analyser un projet cinématographique</LIBELLE>
#   </BLOC_COMPETENCES>
#   <BLOC_COMPETENCES>
#     <ID_FICHE>3614</ID_FICHE>
#     <CODE>RNCP13004BC03</CODE>
#     <LIBELLE>Tourner sur fond d'incrustation </LIBELLE>
#   </BLOC_COMPETENCES>
#   <BLOC_COMPETENCES>
#   ...

df <- xmlToDataFrame(doc)

Подход 2 (используя описанный выше XSLT в файле с именем style.xsl)

R + xslt

library(xml2)
library(xslt)
library(XML)

# PARSE XML AND XSLT
doc <- read_xml('export_fiches_RNCP_2020-08-03.xml')
style <- read_xml('style.xsl', package = "xslt")

# TRANSFORM NESTED INPUT INTO FLATTER OUTPUT
new_xml <- as.character(xslt::xml_xslt(doc, style))

# PARSE FLATTER XML
flat_xml <- XML::xmlParse(new_xml, asText=TRUE)

# BUILD DATA FRAME
df <- xmlToDataFrame(doc)