R语言循环读取TSV文件时首行空值致列丢失的解决方法

针对批量TSV文件读取时，因最后一列首行空值被read_tsv丢弃的问题，提供以下几种可行方案：

方案1：使用vroom包读取（推荐） #

vroom是readr生态下的高效文件读取工具，会扫描整个文件结构，不会因首行某列空值误判列数，同时批量读取性能更优：

# 若未安装vroom先执行安装
# install.packages("vroom")
library(vroom)

public_folder <- "C:/Users/eulus/Desktop/test/interproscan/public_results/"       
# 使用full.names直接获取完整文件路径，避免拼接出错
public_file_list <- list.files(path=public_folder, pattern="*.tsv", full.names = TRUE)  

for (file in public_file_list) {
  # 提取文件名作为存储的对象名
  obj_name <- basename(file)
  # 读取文件，自动识别所有列（即使首行有空值）
  assign(obj_name, vroom(file, col_names = FALSE, delimiter = "\t", skip_empty_rows = FALSE))
}

方案2：调整read_tsv的guess_max参数 #

read_tsv默认仅通过前1000行推断列类型，若首行空列在后续行才有值，会导致列被丢弃。将guess_max设为文件总行数，让工具读取所有行来判断列结构：

library(readr)

public_folder <- "C:/Users/eulus/Desktop/test/interproscan/public_results/"       
public_file_list <- list.files(path=public_folder, pattern="*.tsv", full.names = TRUE)  

for (file in public_file_list) {
  obj_name <- basename(file)
  # 获取文件总行数
  total_rows <- length(readLines(file))
  # 强制读取所有行来推断列类型
  dat <- read_tsv(file, col_names = FALSE, skip_empty_rows = FALSE, guess_max = total_rows)
  assign(obj_name, dat)
}

方案3：强制指定列类型（适合列数固定的场景） #

如果所有文件的列数和类型固定（比如你提到的14列），直接定义列规格，强制保留所有列：

library(readr)

# 根据你提供的列规格，定义完整的列类型
col_spec <- cols(
  X1 = col_character(),
  X2 = col_character(),
  X3 = col_double(),
  X4 = col_character(),
  X5 = col_character(),
  X6 = col_character(),
  X7 = col_double(),
  X8 = col_double(),
  X9 = col_character(),
  X10 = col_logical(),
  X11 = col_character(),
  X12 = col_character(),
  X13 = col_character(),
  X14 = col_character() # 强制保留最后一列，忽略首行空值
)

public_folder <- "C:/Users/eulus/Desktop/test/interproscan/public_results/"       
public_file_list <- list.files(path=public_folder, pattern="*.tsv", full.names = TRUE)  

for (file in public_file_list) {
  obj_name <- basename(file)
  dat <- read_tsv(file, col_names = FALSE, skip_empty_rows = FALSE, col_types = col_spec)
  assign(obj_name, dat)
}

补充说明 #

• 上述方案均可避免手动修改文件的繁琐操作，适配数百个文件的批量处理场景。
• 若仍有警告，可调用problems(dat)查看具体解析问题，但以上方法已覆盖你遇到的核心丢列问题。

内容的提问来源于stack exchange，提问作者EDUlusman