如何在Shiny中使用reactivePoll监控并处理文件变更？

我想在Shiny中实现以下功能：

• 使用自定义读取程序读取源文件
• 处理数据框并进行渲染
• 通过自定义文件变更检查器监控源文件，当文件发生变更时重复前两步

我尝试用reactivePoll实现，概念上它是最合适的，但实际操作中遇到了checkFunc未找到、输入参数不被识别等问题。另外我还搞不清reactive、observe、observeEvent这些响应式变量创建方式的区别，以及在这个场景里该怎么用。

下面是我简化后的示例代码：

library(shiny)
library(tidyverse)

#---------生成测试数据-----------
# 创建tibble
id=c('p1','p2','p3')
val=c(2,4,6)
my_data=tibble(id,val)

# 写入csv
file_csv='test.csv'
write_csv(my_data,file_csv)


# 自定义文件检查函数（带参数）
myFileCheck = function(input_path) {
  if (file.exists(input_path))
    file.info(input_path)$mtime[1]
  else
    ""}
# 测试函数
tmp_time = myFileCheck(file_csv)
print(tmp_time)


# 自定义文件读取函数（带参数）
myReadRoutine = function(input_path){
  df = read_csv(input_path, id = 'my_source')
}
# 测试函数
tmp_df=myReadRoutine(file_csv)
print(tmp_df)

#----------Shiny 应用---------
# UI部分
ui = fluidPage(tableOutput('my_data'))

# Server部分
server = function(input, output, session) {
  
  #-----这段能正常运行---
  # 启动时读取数据
  df_shiny=myReadRoutine(file_csv)
  
  # 数据处理用于展示
  df_shiny_display = reactive({df_shiny %>%
      mutate(val2=val*10)})
  
  # 渲染表格
  output$my_data = renderTable(df_shiny_display())
  
  #-----这段无法正常运行----
  # 尝试用自定义文件检查函数监控文件变更，变更时重新读取
  df_shiny = reactivePoll(1000, session, checkFunc = myFileCheck(file_csv), myReadRoutine(file_csv))
}

shinyApp(ui = ui,
         server = server)

你的核心问题是对reactivePoll的参数理解有误：checkFunc和valueFunc需要传入无参函数对象，而不是直接传入函数调用的结果。修正后的完整代码如下：

library(shiny)
library(tidyverse)

#---------生成测试数据-----------
id=c('p1','p2','p3')
val=c(2,4,6)
my_data=tibble(id,val)
file_csv='test.csv'
write_csv(my_data,file_csv)

# 自定义文件检查函数
myFileCheck = function(input_path) {
  if (file.exists(input_path))
    file.info(input_path)$mtime[1]
  else
    ""
}

# 自定义文件读取函数
myReadRoutine = function(input_path){
  read_csv(input_path, id = 'my_source')
}

#----------Shiny 应用---------
ui = fluidPage(tableOutput('my_data'))

server = function(input, output, session) {
  # 使用reactivePoll创建响应式数据对象
  df_shiny = reactivePoll(
    intervalMillis = 1000,  # 检查间隔（毫秒）
    session = session,
    checkFunc = function() {
      # 封装检查逻辑，返回标识文件状态的值（比如修改时间）
      myFileCheck(file_csv)
    },
    valueFunc = function() {
      # 文件状态变化时执行读取逻辑
      myReadRoutine(file_csv)
    }
  )
  
  # 响应式数据处理：依赖df_shiny，数据更新时自动重新计算
  df_shiny_display = reactive({
    df_shiny() %>% mutate(val2 = val * 10)
  })
  
  # 渲染表格：依赖df_shiny_display，数据处理完成后自动更新
  output$my_data = renderTable(df_shiny_display())
}

shinyApp(ui = ui, server = server)

1. reactivePoll的正确用法：

   • checkFunc：无参函数，每隔指定间隔执行一次，返回能标识文件状态的值（如修改时间）。返回值变化时，触发valueFunc执行。
   • valueFunc：无参函数，文件状态变化时执行，返回最新读取的数据。

2. 响应式逻辑对应场景：

   • reactive()：用于创建有返回值的响应式对象，比如处理后的数据df_shiny_display，依赖的源数据更新时会自动重新计算。
   • observe/observeEvent：用于无返回值的副作用操作（如弹窗、写入文件），你的场景里不需要用到，仅用reactive()和输出渲染函数即可。

3. 变量覆盖问题：
   原代码中先给df_shiny赋值为静态数据，后又用reactivePoll重新赋值，会导致逻辑混乱。修正后直接用reactivePoll创建响应式的df_shiny，启动时会自动执行一次读取逻辑获取初始数据。

内容的提问来源于stack exchange，提问作者mrroy