R語言：使用purrr::safely()處理循環中的錯誤，避免中斷並收集結果

本文詳細介紹了在R語言中，如何利用purrr包的safely()函數來健壯地處理迭代過程中的錯誤。當循環因遇到無效數據（如無法訪問的網址或不存在的文件）而中斷時，safely()能夠捕獲錯誤，允許循環繼續執行，並為失敗的項返回預設的默認值（如NA行），從而避免手動篩選數據，提高代碼的魯棒性和開發效率。

迭代處理中的常見問題：循環中斷

在R語言的數據處理實踐中，我們經常需要對一個列表或向量中的每個元素執行相同的操作，例如批量讀取文件、爬取網頁數據或調用API。通常，我們會使用for循環或lapply等函數來實現這一目標。然而，當數據源中包含“不良”或無效的元素時（例如，一個無法訪問的網址、一個不存在的文件路徑，或者一個格式錯誤的數據），這些操作可能會拋出錯誤，導致整個循環意外中斷。

例如，在進行網頁抓取時，如果遇到一個無法解析的URL，rvest::read_html()函數可能會報錯，進而中斷後續所有URL的處理。傳統的解決方案可能包括：

1. 手動篩選：在運行循環之前，手動檢查並移除所有已知會導致錯誤的元素。這種方法耗時且不適用於大規模或動態的數據集。
2. 使用tryCatch：在循環內部使用tryCatch結構來捕獲錯誤。雖然有效，但tryCatch的語法相對繁瑣，且在處理結果時可能需要額外的邏輯來區分成功和失敗的項。

這兩種方法都增加了代碼的複雜性或降低了開發效率。更理想的情況是，當遇到錯誤時，循環能夠繼續執行，並自動記錄失敗情況（例如，在結果集中為失敗的項填充NA值），而不是直接崩潰。

解決方案：利用purrr::safely()實現健壯迭代

purrr包是R中一個強大的函數式編程工具，它提供了一系列函數來簡化迭代操作。其中，safely()函數是解決上述循環中斷問題的優雅方案。

safely()函數的作用是包裝一個可能拋出錯誤的函數。當這個被包裝的函數執行時，safely()會捕獲任何錯誤，並始終返回一個包含兩個元素的列表：

• result：如果原函數成功執行，這裡存儲其返回值；如果發生錯誤，這裡存儲NULL（或通過otherwise參數指定的默認值）。
• error：如果發生錯誤，這裡存儲錯誤信息；如果成功執行，這裡存儲NULL。

通過這種方式，即使原函數拋出錯誤，safely()包裝後的函數也不會中斷執行流，而是將錯誤信息封裝起來，允許迭代繼續進行。

示例：批量讀取CSV文件並處理錯誤

為了更好地說明safely()的用法，我們以批量讀取CSV文件為例。假設我們有一個文件路徑列表，其中一些路徑是有效的，而另一些是無效的（文件不存在）。

準備工作：創建測試文件

首先，我們創建一些用於測試的CSV文件和一些不存在的路徑。

 # 確保安裝了所需的包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)

# 創建一個用於存放測試文件的目錄dir.create("test_data", showWarnings = FALSE)

# 創建兩個有效的CSV文件write_csv(mtcars %>% head(10), "test_data/mtcars1.csv")
write_csv(mtcars %>% tail(10), "test_data/mtcars2.csv")

# 定義包含有效和無效路徑的列表file_paths <p><strong>定義一個可能失敗的函數</strong></p><p>接下來，我們定義一個函數，它接收文件路徑，讀取CSV文件，並返回前5行數據。如果文件不存在，read_csv會拋出錯誤。</p><pre class="brush:php;toolbar:false"> read_csv_head % head(5)
  return(df)
}

不使用safely()的傳統迭代

嘗試直接使用map()（或for循環）來應用read_csv_head函數：

 message("\n--- 不使用safely() 的迭代(會中斷) ---")
# 嘗試運行以下代碼會因為"non_existent_file.csv" 而中斷# tryCatch(
# {
# results_normal <p>正如預期，當read_csv_head嘗試讀取test_data/non_existent_file.csv時，map()操作會中斷，並且我們無法獲取到mtcars2.csv的讀取結果。</p><p><strong>使用safely()包裝函數並處理結果</strong></p><p>現在，我們使用safely()來包裝read_csv_head函數。為了滿足在失敗時返回NA行的需求，我們可以利用safely()的otherwise參數。首先，我們需要一個空的數據框作為模板，它具有與成功讀取的數據框相同的列結構。</p><pre class="brush:php;toolbar:false"> message("\n--- 使用safely() 包裝函數---")

# 1. 獲取一個成功的讀取結果，作為定義空數據框模板的依據# 假設我們知道成功的df會有哪些列，這裡從第一個成功路徑獲取sample_df %
  mutate(across(everything(), ~NA)) # 將所有列填充為NA，並確保是1行message("空數據框模板(用於填充錯誤項):")
print(empty_placeholder_df)

# 2. 使用safely() 包裝函數，並指定otherwise 參數safe_read_csv_head %
  map("result") %>%
  bind_rows(.id = "source_index") # .id 參數會添加一個列來標識原始輸入的位置message("\n--- 合併後的最終數據框(包含NA 行) ---")
print(final_combined_df)

# 5. 查看錯誤信息(如果需要)
errors_info %
  map("error") %>%
  compact() # 移除NULL值，只保留有錯誤的信息message("\n--- 捕獲到的錯誤信息---")
if (length(errors_info) > 0) {
  print(errors_info)
} else {
  message("沒有捕獲到錯誤。")
}

從輸出可以看出：

• all_results_safely是一個包含三個元素的列表，每個元素都是一個子列表，其中包含result和error。
• 對於test_data/mtcars1.csv和test_data/mtcars2.csv，result中包含了正確讀取的數據框，error為NULL。
• 對於test_data/non_existent_file.csv，result中包含了我們定義的empty_placeholder_df（一行NA值），error中包含了詳細的錯誤信息。
• final_combined_df成功合併了所有結果，其中失敗的項被替換為了一行NA值，滿足了原始問題中“放置一行NA”的要求。
• errors_info列表則單獨收集了所有發生的錯誤，便於後續的錯誤分析或日誌記錄。

適配網頁抓取場景

這個解決方案可以直接應用於原始問題中的網頁抓取場景。步驟如下：

1. 定義網頁抓取函數：創建一個R函數，它接收一個URL作為參數，執行read_html()、html_nodes()、html_text()等操作，並返回所需的數據框。
2. 定義空數據框模板：根據網頁抓取函數預期返回的數據框結構，創建一個全為NA的單行數據框作為模板。
3. 使用safely()包裝抓取函數： safe_scrape_function
4. 使用map()迭代URL列表： all_scrape_results
5. 提取並合併結果： final_scrape_df % map("result") %>% bind_rows(.id = "source_url_index")。
6. 檢查錯誤： scrape_errors % map("error") %>% compact()。

這樣，即使遇到“壞網站”導致抓取失敗，循環也不會中斷，失敗的網站會在最終結果中以NA行表示，而成功的抓取結果則被完整保留。

注意事項與最佳實踐

• otherwise參數的重要性： safely()的otherwise參數是實現“在失敗時返回NA行”的關鍵。它確保了即使函數拋出錯誤，result部分也能有一個預期的結構（例如，一個空數據框或一個特定值），從而方便後續的bind_rows()操作。
• 結果的統一結構：確保safely()包裝的函數在成功時返回的結果與otherwise參數指定的默認值具有兼容的結構（例如，相同的列名和數據類型），這樣bind_rows()才能順利合併。
• 錯誤日誌與分析： safely()將錯誤信息封裝在error組件中，這使得我們可以在迭代完成後統一查看和處理所有錯誤，而不是在循環中逐個處理。這對於調試和生產環境中的錯誤監控非常有價值。
• 其他purrr安全函數：
  • possibly()：與safely()類似，但只返回成功結果或指定默認值（如NULL），不返回錯誤對象。如果你的目標只是替換失敗結果而不需要詳細錯誤信息，possibly()可能更簡潔。
  • quietly()：捕獲函數產生的消息、警告和輸出，但不捕獲錯誤。
• 清理測試文件：在教程結束後，可以清理創建的測試文件。

 # 清理測試文件和目錄unlink("test_data", recursive = TRUE)
message("\n測試文件和目錄已清理。")

總結

通過purrr::safely()函數，R語言開發者可以構建更加健壯和容錯的迭代代碼。它優雅地解決了循環因單個錯誤而中斷的問題，使得在處理不確定數據源（如網絡請求、文件系統操作）時，能夠高效地收集所有可能的成功結果，並清晰地標識和記錄失敗情況。這種函數式編程的思維方式不僅提高了代碼的可靠性，也大大簡化了錯誤處理的邏輯，是現代R數據科學工作流中的一個重要工具。

以上是R語言：使用purrr::safely()處理循環中的錯誤，避免中斷並收集結果的詳細內容。更多資訊請關注PHP中文網其他相關文章！