R语言：使用purrr::safely()处理循环中的错误，避免中断并收集结果

迭代处理中的常见问题：循环中断

在r语言的数据处理实践中，我们经常需要对一个列表或向量中的每个元素执行相同的操作，例如批量读取文件、爬取网页数据或调用api。通常，我们会使用for循环或lapply等函数来实现这一目标。然而，当数据源中包含“不良”或无效的元素时（例如，一个无法访问的网址、一个不存在的文件路径，或者一个格式错误的数据），这些操作可能会抛出错误，导致整个循环意外中断。

例如，在进行网页抓取时，如果遇到一个无法解析的URL，rvest::read_html()函数可能会报错，进而中断后续所有URL的处理。传统的解决方案可能包括：

1. 手动筛选： 在运行循环之前，手动检查并移除所有已知会导致错误的元素。这种方法耗时且不适用于大规模或动态的数据集。
2. 使用tryCatch： 在循环内部使用tryCatch结构来捕获错误。虽然有效，但tryCatch的语法相对繁琐，且在处理结果时可能需要额外的逻辑来区分成功和失败的项。

这两种方法都增加了代码的复杂性或降低了开发效率。更理想的情况是，当遇到错误时，循环能够继续执行，并自动记录失败情况（例如，在结果集中为失败的项填充NA值），而不是直接崩溃。

解决方案：利用purrr::safely()实现健壮迭代

purrr包是R中一个强大的函数式编程工具，它提供了一系列函数来简化迭代操作。其中，safely()函数是解决上述循环中断问题的优雅方案。

safely()函数的作用是包装一个可能抛出错误的函数。当这个被包装的函数执行时，safely()会捕获任何错误，并始终返回一个包含两个元素的列表：

• result：如果原函数成功执行，这里存储其返回值；如果发生错误，这里存储NULL（或通过otherwise参数指定的默认值）。
• error：如果发生错误，这里存储错误信息；如果成功执行，这里存储NULL。

通过这种方式，即使原函数抛出错误，safely()包装后的函数也不会中断执行流，而是将错误信息封装起来，允许迭代继续进行。

示例：批量读取CSV文件并处理错误

为了更好地说明safely()的用法，我们以批量读取CSV文件为例。假设我们有一个文件路径列表，其中一些路径是有效的，而另一些是无效的（文件不存在）。

准备工作：创建测试文件

首先，我们创建一些用于测试的CSV文件和一些不存在的路径。

# 确保安装了所需的包
if (!requireNamespace("purrr", quietly = TRUE)) install.packages("purrr")
if (!requireNamespace("readr", quietly = TRUE)) install.packages("readr")
if (!requireNamespace("dplyr", quietly = TRUE)) install.packages("dplyr")

library(purrr)
library(readr)
library(dplyr)

# 创建一个用于存放测试文件的目录
dir.create("test_data", showWarnings = FALSE)

# 创建两个有效的CSV文件
write_csv(mtcars %>% head(10), "test_data/mtcars1.csv")
write_csv(mtcars %>% tail(10), "test_data/mtcars2.csv")

# 定义包含有效和无效路径的列表
file_paths <- c(
  "test_data/mtcars1.csv",
  "test_data/non_existent_file.csv", # 这是一个不存在的文件
  "test_data/mtcars2.csv"
)

message("测试文件路径：")
print(file_paths)

定义一个可能失败的函数

接下来，我们定义一个函数，它接收文件路径，读取CSV文件，并返回前5行数据。如果文件不存在，read_csv会抛出错误。

知我AI·PC客户端

离线运行 AI 大模型，构建你的私有个人知识库，对话式提取文件知识，保证个人文件数据安全

35

查看详情

read_csv_head <- function(path) {
  df <- read_csv(path, progress = FALSE, show_col_types = FALSE)
  df <- df %>% head(5)
  return(df)
}

不使用safely()的传统迭代

尝试直接使用map()（或for循环）来应用read_csv_head函数：

message("\n--- 不使用 safely() 的迭代 (会中断) ---")
# 尝试运行以下代码会因为 "non_existent_file.csv" 而中断
# tryCatch(
#   {
#     results_normal <- map(file_paths, read_csv_head)
#     print(results_normal)
#   },
#   error = function(e) {
#     message("错误捕获：", e$message)
#   }
# )
message("直接使用 map() 会在遇到 'test_data/non_existent_file.csv' 时中断。")
message("为避免中断本教程的执行，此处不实际运行该代码块。")

正如预期，当read_csv_head尝试读取test_data/non_existent_file.csv时，map()操作会中断，并且我们无法获取到mtcars2.csv的读取结果。

使用safely()包装函数并处理结果

现在，我们使用safely()来包装read_csv_head函数。为了满足在失败时返回NA行的需求，我们可以利用safely()的otherwise参数。首先，我们需要一个空的数据框作为模板，它具有与成功读取的数据框相同的列结构。

message("\n--- 使用 safely() 包装函数 ---")

# 1. 获取一个成功的读取结果，作为定义空数据框模板的依据
# 假设我们知道成功的df会有哪些列，这里从第一个成功路径获取
sample_df <- read_csv_head(file_paths[1])
# 创建一个与sample_df结构相同的空数据框，用于填充错误项
empty_placeholder_df <- sample_df[0,] %>%
  mutate(across(everything(), ~NA)) # 将所有列填充为NA，并确保是1行

message("空数据框模板 (用于填充错误项):")
print(empty_placeholder_df)

# 2. 使用 safely() 包装函数，并指定 otherwise 参数
safe_read_csv_head <- safely(read_csv_head, otherwise = empty_placeholder_df)

# 3. 使用 map() 进行迭代
all_results_safely <- map(file_paths, safe_read_csv_head)

message("\n--- safely() 迭代的原始输出结构 ---")
print(all_results_safely)

# 4. 提取最终结果并合并
# all_results_safely 现在是一个列表的列表，每个子列表包含 result 和 error
# 我们可以直接提取 result 部分，因为 otherwise 已经处理了错误情况
final_combined_df <- all_results_safely %>%
  map("result") %>%
  bind_rows(.id = "source_index") # .id 参数会添加一个列来标识原始输入的位置

message("\n--- 合并后的最终数据框 (包含 NA 行) ---")
print(final_combined_df)

# 5. 查看错误信息 (如果需要)
errors_info <- all_results_safely %>%
  map("error") %>%
  compact() # 移除NULL值，只保留有错误的信息

message("\n--- 捕获到的错误信息 ---")
if (length(errors_info) > 0) {
  print(errors_info)
} else {
  message("没有捕获到错误。")
}

从输出可以看出：

• all_results_safely是一个包含三个元素的列表，每个元素都是一个子列表，其中包含result和error。
• 对于test_data/mtcars1.csv和test_data/mtcars2.csv，result中包含了正确读取的数据框，error为NULL。
• 对于test_data/non_existent_file.csv，result中包含了我们定义的empty_placeholder_df（一行NA值），error中包含了详细的错误信息。
• final_combined_df成功合并了所有结果，其中失败的项被替换为了一行NA值，满足了原始问题中“放置一行NA”的要求。
• errors_info列表则单独收集了所有发生的错误，便于后续的错误分析或日志记录。

适配网页抓取场景

这个解决方案可以直接应用于原始问题中的网页抓取场景。步骤如下：

1. 定义网页抓取函数： 创建一个R函数，它接收一个URL作为参数，执行read_html()、html_nodes()、html_text()等操作，并返回所需的数据框。
2. 定义空数据框模板： 根据网页抓取函数预期返回的数据框结构，创建一个全为NA的单行数据框作为模板。
3. 使用safely()包装抓取函数： safe_scrape_function <- safely(your_scrape_function, otherwise = empty_placeholder_df)。
4. 使用map()迭代URL列表： all_scrape_results <- map(your_url_list, safe_scrape_function)。
5. 提取并合并结果： final_scrape_df <- all_scrape_results %>% map("result") %>% bind_rows(.id = "source_url_index")。
6. 检查错误： scrape_errors <- all_scrape_results %>% map("error") %>% compact()。

这样，即使遇到“坏网站”导致抓取失败，循环也不会中断，失败的网站会在最终结果中以NA行表示，而成功的抓取结果则被完整保留。

注意事项与最佳实践

• otherwise参数的重要性： safely()的otherwise参数是实现“在失败时返回NA行”的关键。它确保了即使函数抛出错误，result部分也能有一个预期的结构（例如，一个空数据框或一个特定值），从而方便后续的bind_rows()操作。
• 结果的统一结构： 确保safely()包装的函数在成功时返回的结果与otherwise参数指定的默认值具有兼容的结构（例如，相同的列名和数据类型），这样bind_rows()才能顺利合并。
• 错误日志与分析： safely()将错误信息封装在error组件中，这使得我们可以在迭代完成后统一查看和处理所有错误，而不是在循环中逐个处理。这对于调试和生产环境中的错误监控非常有价值。
• 其他purrr安全函数：
  • possibly()：与safely()类似，但只返回成功结果或指定默认值（如NULL），不返回错误对象。如果你的目标只是替换失败结果而不需要详细错误信息，possibly()可能更简洁。
  • quietly()：捕获函数产生的消息、警告和输出，但不捕获错误。
• 清理测试文件： 在教程结束后，可以清理创建的测试文件。

# 清理测试文件和目录
unlink("test_data", recursive = TRUE)
message("\n测试文件和目录已清理。")

总结

通过purrr::safely()函数，R语言开发者可以构建更加健壮和容错的迭代代码。它优雅地解决了循环因单个错误而中断的问题，使得在处理不确定数据源（如网络请求、文件系统操作）时，能够高效地收集所有可能的成功结果，并清晰地标识和记录失败情况。这种函数式编程的思维方式不仅提高了代码的可靠性，也大大简化了错误处理的逻辑，是现代R数据科学工作流中的一个重要工具。

以上就是R语言：使用purrr::safely()处理循环中的错误，避免中断并收集结果的详细内容，更多请关注php中文网其它相关文章！