Windows下R语言dir函数遇长文件名无法遍历全部文件的问题

问题1：这是dir函数的预期行为还是bug？ #

这是bug，并非预期行为。

• Windows的260字符路径限制指的是Unicode字符数，而非字节数；
• file.exists能正确识别该长文件名文件，说明R的文件系统底层可准确定位文件，但dir函数在遍历目录时遇到字节数超259的文件后会中断遍历，导致后续文件遗漏，甚至在R 4.2.2中直接崩溃，完全不符合函数应返回目录全部文件（或抛出明确错误）的设计预期。

问题2：如何检测或避免该问题？（可忽略长文件名文件） #

检测方法 #

• 对比dir返回的文件数量与目录实际文件数（可通过Windows资源管理器确认），若数量不符则可能存在该问题；
• 使用list.files(your_dir, full.names = TRUE)获取完整路径，通过nchar(enc2utf8(file_path))计算路径的UTF-8字节数，检查是否存在字节数接近/超过259的文件；
• 用fs::dir_info(your_dir)获取目录文件详情，对比返回结果的数量是否与实际一致。

避免方法 #

1. 使用fs包的dir_ls函数（推荐）

fs包是专门优化的文件系统操作工具，对Windows长文件名的兼容性更好，能完整遍历目录所有文件，不会出现中断问题：

install.packages("fs")
fs::dir_ls("目标目录路径")

2. 修复system/shell命令的编码问题

调用Windows原生dir命令时，指定正确的编码参数即可解决Unicode字符乱码问题：

# 使用shell函数（Windows下更适配）
shell("dir /B", intern = TRUE, encoding = "UTF-8")

# 或使用system函数
system("dir /B", intern = TRUE, encoding = "UTF-8")

注：/B参数用于仅返回文件名，不含额外格式信息。

3. 保留reticulate调用Python的方案

若能接受少量模块导入开销，reticulate调用Python的os.listdir或os.scandir仍为可行方案，后者遍历效率更高：

library(reticulate)
os <- import("os")
os$listdir("目标目录路径")

4. 主动过滤长字节路径文件

若需要主动忽略长字节路径的文件，可先获取所有文件路径，再过滤掉字节数超标的项：

all_files <- list.files("目标目录路径", full.names = TRUE)
# 计算UTF-8编码下的字节数，过滤掉超过259的文件
valid_files <- all_files[nchar(enc2utf8(all_files)) <= 259]
# 若仅需要文件名，可进一步处理
valid_file_names <- basename(valid_files)

内容的提问来源于stack exchange，提问作者hmIto