R语言文本读取异常处理

#        R语言文本读取异常处理
# 分类：垃圾邮件过滤
# 案例来源：
#  《机器学习：实用案例解析》 第三章
# 处理过程：读取文件下所有的邮件，提取邮件正文
#      并将其各自合并在一个向量中放置，最后汇总
#      到一个向量中。
#  目的：由于书中的代码实际运行时，会暴露出多个错误和
#      警告，解决此类问题，同时满足尽可能的不丢弃数据信息

rm(list=ls())
library('tm')
library('ggplot2')

spam.path <- file.path("data", "spam")

spam.docs <- dir(spam.path)
spam.docs <- spam.docs[which(spam.docs != "cmds")]

#问题代码：
get.msg <- function(path)
{
  con <- file(path, open = "rt", encoding = "latin1")
  text <- readLines(con)
  # The message always begins after the first full line break
  msg <- text[seq(which(text == "")[1] + 1, length(text), 1)]
  close(con)
  return(paste(msg, collapse = "\n"))
}

#问题原因：path指示的文件中，有字符无法读取

########################  几种解决策略
# exp1
tryCatch({
  get.msg(file.path(spam.path, spam.docs[6]))
},
warning=function(war){"war"},
error=function(err){"erro"},
finally={"fina"}
)

# exp2
get.msg <- function(path)
{
  tryCatch({
    con <- file(path, open = "rt", encoding = "latin1")
    text <- readLines(con)
    # The message always begins after the first full line break
    msg <- text[seq(which(text == "")[1] + 1, length(text), 1)]
    close(con)  #与前面的con要对应
    return(paste(msg, collapse = "\n"))
  },
  warning=function(war){"war"},
  error=function(err){"erro"},
  finally={"fina"}
  )
}

get.msg(file.path(spam.path, spam.docs[6]))

# exp3-1（反例，未正确捕捉异常错误的位置）

get.msg <- function(path)
{
  con <- file(path, open = "rt", encoding = "latin1")
  text <- readLines(con)  #注意：异常发生的真实位置
  msg <- tryCatch({
    # The message always begins after the first full line break
    text[seq(which(text == "")[1] + 1, length(text), 1)]
  },
  warning=function(war){"war"},
  error=function(err){"erro"},
  finally={"fina"}
  )
  close(con)  #与前面的con要对应
  return(paste(msg, collapse = "\n"))
}

# exp3-2（正例，未正确捕捉异常错误的位置）
get.msg <- function(path)
{
  con <- file(path, open = "rt", encoding = "latin1")
  msg <- tryCatch({
    # The message always begins after the first full line break
    text <- readLines(con)  #注意：异常发生的真实位置
    text[seq(which(text == "")[1] + 1, length(text), 1)]
  },
  warning=function(war){"war"},
  error=function(err){"erro"},
  finally={"fina"}
  )
  close(con)  #与前面的con要对应
  return(paste(msg, collapse = "\n"))
}

get.msg(file.path(spam.path, spam.docs[6]))
 
# exp4-1

# 匿名函数块
path <- file.path(spam.path, spam.docs[6])

text <- NULL
con <- file(path, open = "rt", encoding = "latin1")
line <- readLines(con, n=1)
i=1
while(length(line)!=0){
  line <- tryCatch({
    readLines(con, n=1)},
    error=function(e){"err"}, #或者将其复制为NULL,或""
    warning=function(w){"war"},
    finally={"final"}
  )
  text <- c(text,line)
  cat(i,' : ', line, '\n')
  i=i+1
}
msg <- text[seq(which(text == "")[1] + 1, length(text), 1)]
close(con)
paste(msg,collapse = "\n")

# exp4-2(比较完美的解决！)

# 函数块
path <- file.path(spam.path, spam.docs[6])

get.msg <- function(path){
  text <- NULL
  con <- file(path, open = "rt", encoding = "latin1")
  line <- readLines(con, n=1)
  while(length(line)!=0){
    line <- tryCatch({
      readLines(con, n=1)},
      error=function(e){NULL}, #或者将其复制为NULL,或""
      warning=function(w){NULL},
      finally={NULL}
    )
    text <- c(text,line)
  }
  msg <- text[seq(which(text == "")[1] + 1, length(text), 1)]
  close(con)
  return(paste(msg,collapse = "\n"))
}

path <- file.path(spam.path, spam.docs[6])

get.msg(path)

# exp5
# 进一步测试
all.spam <- sapply(spam.docs[35],
                   function(p) get.msg(file.path(spam.path, p)))
# msg <- text[seq(which(text == "")[1] + 1, length(text), 1)]，会出现无法满足条件，报错

path <- file.path(spam.path, spam.docs[35])

get.msg <- function(path){
  text <- NULL
  con <- file(path, open = "rt", encoding = "latin1")
  line <- readLines(con, n=1)
  while(length(line)!=0){
    line <- tryCatch({
      readLines(con, n=1)},
      error=function(e){NULL}, #或者将其复制为NULL,或""
      warning=function(w){NULL},
      finally={NULL}
    )
    text <- c(text,line)
  }
  #msg <- text[seq(which(text == "")[1] + 1, length(text), 1)] #问题代码
  if(length(which(text == ""))!=0 & which(text == "")[1]<length(text)){
    msg <- text[seq(which(text == "")[1] + 1, length(text), 1)]
  }else{
    msg <- NULL
  }
  close(con)
  return(paste(msg,collapse = "\n"))
}

all.spam <- sapply(spam.docs,
                   function(p) get.msg(file.path(spam.path, p)))