为何dplyr::mutate中自定义错误处理函数失效？

问题根源 #

• 全局警告设置的副作用：你的函数中使用options(warn=2)将警告强制转为错误，这是全局环境级别的修改。在dplyr::mutate批量处理时，该设置会干扰dplyr的内部执行流程——哪怕你的try块试图捕获自身代码的错误，dplyr调度函数时产生的警告也会被强制转为错误，且这类错误不在你的try捕获范围内。
• XPath字符串拼接的语法错误：当href.target包含单引号（比如JavaScript链接里的'），直接拼接XPath会破坏语法规则。例如生成的XPath会变成//a/@href[.= 'javascript:__doPostBack('ctl00%24ctl00%24btnSearch','')']/..，嵌套的单引号打破了XPath的字符串边界，触发"无效谓词"的警告/错误。单独调用时try能捕获该错误返回NA，但在mutate的批量上下文里，全局warn=2让这个警告直接升级为未被捕获的致命错误。

修复方案 #

1. 移除全局options修改，改用局部错误捕获 #

避免修改全局警告配置，改用tryCatch精准捕获函数内部的错误，防止污染dplyr的执行环境。

2. 正确转义XPath中的特殊字符 #

XPath规范中，字符串内的单引号需要用两个单引号（''）转义，因此先对href.target做转义处理，再拼接XPath语句。

修复后的函数示例 #

library(rvest)
library(dplyr)

# 创建测试HTML文档
html.test <- "<a href=\"hello\"</a><a id=\"ctl00_ctl00_btnSearch\" data-action=\"search\" class=\"go\" href=\"javascript:__doPostBack('ctl00%24ctl00%24btnSearch','')\"><span>GO</span><i class=\"fal fa-search\"></i></a>" %>%
  minimal_html()

# 修复后的节点获取函数
fun.get.node.name <- function(href.target) {
  # 转义XPath中的单引号：将单个'替换为''
  escaped_href <- gsub("'", "''", href.target)
  # 构造合法的XPath语句
  xpath <- paste0("//a[@href='", escaped_href, "']")
  
  # 局部捕获错误，避免全局影响
  node <- tryCatch({
    xml_find_first(html.test, xpath)
  }, error = function(e) {
    NULL
  })
  
  # 根据节点存在情况返回结果
  if (is.null(node) || xml_length(node) == 0) {
    NA_character_
  } else {
    xml_name(node)
  }
}

# 单独调用测试
fun.get.node.name("hello") # 返回"a"
fun.get.node.name("javascript:__doPostBack('ctl00%24ctl00%24btnSearch','')") # 返回"a"
fun.get.node.name("nonexistent") # 返回NA

# 在dplyr::mutate中测试
test_df <- tibble(
  href = c("hello", "javascript:__doPostBack('ctl00%24ctl00%24btnSearch','')", "nonexistent")
)

test_df %>% mutate(node_name = fun.get.node.name(href))

优化说明 #

改用xml2的xml_find_first直接定位节点，比rvest的链式操作更高效，也能减少额外的警告/错误触发点；同时通过转义彻底解决了特殊字符导致的XPath语法问题，移除全局配置修改后，dplyr的批量执行环境不会被干扰。

内容的提问来源于stack exchange，提问作者Rez99