R语言网页爬取循环返回索引而非结果，如何修正？

AI 小北

2026-8-18

问题分析与修正方案

错误原因

你的循环写法确实存在问题，导致res存储的是索引而非爬取结果，核心原因有两点：

withTimeout返回值覆盖结果：withTimeout代码块会返回块内最后一行代码的执行结果，你在块内最后一行写了print(i)，而print(i)的返回值就是i本身，因此res[[i]] <- withTimeout(...)实际上把索引i赋值给了res[[i]]，覆盖了之前在块内赋值的res[[i]] <- r_i。
URL取值方式有误：如果url是列表对象，url[i]返回的是长度为1的子列表，而fromJSON需要的是字符型URL字符串，应该用url[[i]]提取列表中的单个元素。

修正后的代码

以下是两种可行的修正方式：

方式一：让`withTimeout`直接返回爬取结果

library(R.utils)
library(jsonlite)  # 显式加载fromJSON所在的包

res <- vector("list", length = length(url))  # 适配url列表的实际长度

for (i in seq_along(url)) {
  print(i)
  tryCatch({
    # withTimeout返回代码块最后一行的结果，直接赋值给res[[i]]
    res[[i]] <- withTimeout({
      url_i <- url[[i]]  # 提取列表中的URL字符串
      r_i <- data.frame(fromJSON(url_i))
      r_i  # 将爬取结果设为代码块的返回值
    }, timeout = 1)
    print(paste("成功爬取第", i, "个URL"))
  }, TimeoutException = function(ex) {
    message(paste("第", i, "个URL超时，跳过"))
    res[[i]] <- NULL
  })
}

方式二：保留块内赋值，调整代码顺序

library(R.utils)
library(jsonlite)

res <- vector("list", length = length(url))

for (i in seq_along(url)) {
  print(i)
  tryCatch({
    withTimeout({
      url_i <- url[[i]]
      r_i <- data.frame(fromJSON(url_i))
      res[[i]] <- r_i  # 直接给res赋值
      print(paste("成功爬取第", i, "个URL"))
    }, timeout = 1)
  }, TimeoutException = function(ex) {
    message(paste("第", i, "个URL超时，跳过"))
    res[[i]] <- NULL
  })
}