Fugas de memoria al analizar XML en r

Question

Dec 31, 2013, 01:02 AM

Fugas de memoria al analizar XML en r

Las pérdidas de memoria cuando se utiliza el paquete XML en r no es algo nuevo. Este tema ya ha sido discutido:

Grave pérdida de memoria al analizar iterativamente archivos XML http://www.omegahat.org/RSXML/MemoryManagement.html http://r.789695.n4.nabble.com/memory-leak-using-XML-readHTMLTable-td4643332.html

Sin embargo, después de leer todos estos documentos, todavía no conozco una solución para mi caso particular. Considere el siguiente código:

library(XML)

GetHref = function(x) 
{
  subDoc = xmlChildren(x)
  hrefs = ifelse(is.null(subDoc$a), NA, xmlGetAttr(subDoc$a, 'href')) 
  rm(subDoc)  
  return(hrefs)
}

url = 'http://www.atpworldtour.com/Share/Event-Draws.aspx?e=338&y=2013'
parse = htmlParse(url)

print(.Call("R_getXMLRefCount", parse)) #prints 1

NodeList = xpathSApply(parse, "//td[@class='col_1']/div/div/div[@class='player']")

print(.Call("R_getXMLRefCount", parse)) #prints 33

PlNames = sapply(NodeList, xmlValue, trim = T)   

print(.Call("R_getXMLRefCount", parse)) #prints 33

hrefs = sapply(NodeList, GetHref)

print(.Call("R_getXMLRefCount", parse)) #prints 157

rm(NodeList) 
gc()

print(.Call("R_getXMLRefCount", parse)) #prints 157

Parece que los nodos XML internos creados durante el procesamiento posterior no se eliminan. ¿Cuál sería una solución en este caso?

Session Info:  
R version 3.0.2 (2013-09-25)
Platform: i386-w64-mingw32/i386 (32-bit)

locale:
[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252    LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                           LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] XML_3.98-1.1

loaded via a namespace (and not attached):
[1] tools_3.0.2