R语言HTTP场景下Grep应用问题：文件无法下载及file_names为空排查

• list.files()不支持远程FTP/HTTP路径：这个函数仅用于遍历本地文件系统，无法读取NCBI FTP服务器上的文件列表，因此list.files(url)返回空值，后续grep自然无法筛选出有效文件名。
• 正则模式使用错误：pattern是一个包含多个字符串的向量，grep()默认仅使用向量中的第一个模式进行匹配，无法同时匹配所有目标文件编号对应的文件名。

首先需要安装并加载curl包（用于读取远程FTP目录）：

# 安装curl包（首次运行需要）
install.packages("curl")
library(curl)

# 设定FTP地址
url <- "ftp://ftp.ncbi.nlm.nih.gov/pub/pmc/manuscript/xml/"

# 生成目标文件编号
file_nums <- sprintf("%02d", 1:3) 

# 合并正则模式：匹配所有目标编号的文件
pattern <- paste0("^author_manuscript_xml.PMC0(", paste(file_nums, collapse = "|"), ")")

# 获取FTP服务器上的文件列表
ftp_files <- curl::list_ftp(url)

# 筛选出目标文件名
file_names <- grep(pattern, ftp_files$name, value = TRUE)

# 循环下载文件
for (file_name in file_names) {
  file_url <- paste0(url, file_name)
  # 使用curl_download更稳定，也可以保留download.file
  curl::curl_download(file_url, destfile = file_name)
}

1. 替换list.files()为curl::list_ftp()：专门用于读取FTP服务器的文件列表，返回的数据框包含文件名等信息。
2. 合并正则模式：用paste(collapse = "|")将多个文件编号合并成一个正则表达式，确保能同时匹配所有目标文件。
3. 使用curl::curl_download()替代download.file()：对远程文件下载的兼容性和稳定性更好，尤其是FTP协议场景。

内容的提问来源于stack exchange，提问作者nora job