R语言，循环：错误控制 异常控制

在R中，循环如果出错，程序就会被kill掉。对于计算开销较大的循环来说，这样的错误是难以忍受的。

• 一种方法是逐步地debug，针对所有的情况都能提供处理方案，但是很费心费力；
• 一种方法是使用错误 异常控制函数，把错误跳过 或者说，提升对错误的容忍能力，即容错性。

针对第二种方法，有try tryCatch等函数。网上虽然教程较少，但是也能学个大概。最不济，看R 帮助文件也是可以的。本文，主要是记录我遇到的问题和解决的方法。

问题背景

使用爬虫爬取表格。该表格结构简单，不涉及到动态网页相关知识。问题就在于内容较大，每页有500行，有7000+页。

• 网页结构：静态网页
• url结构：有规律
• 网络状态：较差，难以次次连接成功
• 出现的问题：连接不上（报错），连接超时（不报错，但是爬虫卡死了）

由于代码涉及到项目，所以具体细节不能公开。这里只是说明类似的问题和提供解决的思路。

代码撰写

略，下文使用expr1代表出现问题的代码块，其他expr\\d表示用于处理该过程的代码块。

错误控制

• 针对爬虫连接网页失败，报错并打断进程的问题
• 使用的R基础包中的函数 tryCatch

tryCatch(
  expr1, 
  error=function(e){
    expr2
  },finnally = {
    expr3
  }
)

• tryCatch的思路是
  • run expr1
  • if expr1 is error, doing expr2
  • finnally, weather expr1 error or not, doing expr3
• 我的代码与下面类似：

while(i != m+1){
  tryCatch(
     {
        expr1 # expr1是爬取网络的代码块 ，所以会遇到连接失败的error
        i = i+1 # 如果expr1有error，则该语句不会运行，因而下一次循环使用的还是本次循环的i值
      }, error = function(e){
          cat("Sleeping for net connection agian at i = ", i, "\n")
          Sys.sleep(10) # sleep 10s，而后重复发生了错误的那个i
      }, finnaly = {
    expr3 #是啥都行。我用来输出循环信息
      }
   )
}

异常控制

• 针对连接超时，导致循环停滞，爬虫卡死的问题
• 使用R.utils包的withTimeout函数
• 我的代码类似于：

while(i != m+1){
  tryCatch(
    {
      R.utils::withTimeout(
        expr1,
        timeout = 60
      )
       i = i+1
    }, TimeoutException = function(ex){
        message("Times out! Now refresh it") # 输出提示信息。但是事实上Timeout函数已经终止了expr1，并开始下一次循环（i值不变）
    }, error = function(e){
        cat("Sleeping for net connection agian at i = ", i, "\n")
        Sys.sleep(10) # sleep 10s，而后重复发生了错误的那个i
    }, finnaly = {
        expr3 #是啥都行。我用来输出循环信息
    }
  )
}

感悟

爬取数据，虽然是爬，但是却是比手动复制粘贴优雅一千倍的贵族运动。电脑随便爬去吧，这边看会儿生信技能树、生信星球的推文或者去峡谷里维护一下正义，难道不香吗？