R语言-处理异常值或报错的三个示例

Posted 2020-09-06

之前用rvest帮人写了一个定期抓取amazon价格库存，并与之前价格比较的小程序，算是近期写过的第一个完整的程序了。里面涉及了一些报错的处理。

这里主要参考了stackoverflow上的以下问答：

1. How to skip an error in a loop
2. skip to next value of loop upon error in R

tryCatch部分，后续查找资料，发现以下博文： 1. R语言使用tryCatch进行简单的错误处理

以下是代码示例：

1）使用tryCatch函数跳过错误信息。（示例以download.file为样式）

看以下代码。这里需要批量下载一堆amazon产品信息。如果产品ID号不对，或者IP被限制，网页会打不开，而download.file会报错。我这里用tryCatch来获取网页打不开时的错误信息。并且要求执行下一步循环“”。

for (n in 1:length(productlink)){
        tryCatch({
        download.file(productlink[n],paste0(getwd(),"/html/",productid[n,],".html"),cacheOK = TRUE)
        },error=function(e){cat("ERROR :",conditionMessage(e),"\n")})
        Sys.sleep(0.5) #增加了Sys.sleep(seconds)函数，让每一步循环都暂停一段时间。这个虽然会降低程序速度，但对于有访问限制的网站，不失为一个好的办法。
}

上述示例由两个重要函数构成，即tryCatch和cat

查阅函数，tryCatch属于base包，condition system。在R语言使用tryCatch进行简单的错误处理这篇博文里有tryCatch的简单示范如下：

result = tryCatch(
        {expr}, 
        warning = function(w) {warning-handler-code}, 
        error = function(e) { error-handler-code}, 
        finally = {cleanup-code}
        )

 

即如果warning时，对warning怎么处理，如果error时对error怎么处理。如果没有任何条件吻合，则最后会输出expr里的内容。如果有final项的话，则会同时输出finally项以及expr项

tryCatch({a<-"c"
        b<-"c"
        b==a},
        error=function(e){cat("hahaha",conditionMessage(e),"\n\n")},
        finally={print("ccc")})

[1] "ccc"
[1] TRUE

tryCatch({a<-"c"

         cc==a}, #cc不存在
        error=function(e){cat("hahaha",conditionMessage(e),"\n\n")},
        finally={print("ccc")})
hahaha object ‘cc‘ not found 

对于代码示例，即为，download成功则返回download内容，不成功则返回error=function(e){cat("ERROR :",conditionMessage(e),"\n")}

然后是cat函数。这个cat是一个输入输出值。这里等于，要求系统输出“ERROR :”+conditionMessage(e)的内容。然后用“”分行。

另外，在stackoverflow上的这篇问答,由mmann1123回答的问题里，我们看到了更为有趣的一个应用。

这里收缩起来，展开亦可阅读。

 tryCatch示范

 

2)利用if语句以及stop语句。

即，如果某条件不成立，则停止程序，并输出stop里的内容。我这里主要用于检查原始product id是否输入正确。

if (!sum(check)==length(productlink)) {
        productlink<-NULL
        productid<-NULL
    stop("invalid productid please double check if any space or else in, and resave the file or the script will not run")
    }

 

3）处理使用data.frame批量读取数据时，元素因为不存在导致的data.frame报错。

譬如说以下示例，因为a不存在，而导致data.frame报错。

a<-NULL
b<-c("cc","dd")
data.frame(a,d)
> Error in data.frame(a, d) : 参数值意味着不同的行数: 0, 2

 因此，对于在循环里，需要先单独合成data.frame，再使用rbind把各个data.frame合成在一起时，可以考虑增加异常值的赋值。如下面两段，如果我拉的网页里不存在product name，则length(productname)==1为FALSE，直接输出“product not download or not existing”，那么这个字段就不是空值或者2-3个行，而是1行，之后合并为data.frame时就不会报错了。

data<-function(n){
        ####隐掉获得productname/price/category的代码
        if(!length(productname)==1) {productname="Product not download or not existing"}
        if (!length(price)==1) {
                        price=NA 
                        category<-"Product not download or not existing"
        }
        data.frame(productname,price,category)
        #这里合成data.frame，如果这三个行数不等（多为空值NULL，或者某个字段有2-3行所导致。
        #使用上面的IF判断赋值的好处是，最后出来的productname,price,category保证是1行，可以用data.frame合并。并且对异常值也有输出。

 由于处理第2/3类错误时我还不了解tryCatch函数。目前看下来，貌似tryCatch函数能做的事情更多？

写下来供以后写代码时参考。

另外，tryCatch在java,C里均有类似功效。看来R归根到底，还是脱离不了底层语言啊。