在R中基于DataFrame循环调用API批量同步临床试验字段

以下是针对需求编写的批量处理代码，实现遍历DataFrame中的PROTOCOL_ID，自动完成获取方案数据→复制字段→提交更新的全流程：

library(jsonlite)
library(httr)

# 基础配置参数
token <- "12345"
base_url <- "https://mywebsite.website.com"
endpoint <- "/website-api/rest/protocolManagementDetails/"

# 定义单个方案的更新函数
update_protocol_account <- function(protocol_id) {
  # 构建GET请求地址
  get_request_url <- paste0(base_url, endpoint, protocol_id)
  
  # 发送GET请求获取方案数据
  get_response <- GET(get_request_url, add_headers(authorization = token))
  
  # 检查GET请求是否成功
  if (http_status(get_response)$category != "Success") {
    message(paste("[失败] 无法获取方案ID", protocol_id, "：", http_status(get_response)$message))
    return(FALSE)
  }
  
  # 解析返回的JSON数据
  protocol_data <- fromJSON(content(get_response, "text"))
  
  # 复制internalaccountno到hospitalAccountNo字段
  protocol_data$hospitalAccountNo <- protocol_data$internalaccountno
  
  # 构建PUT请求地址
  put_request_url <- paste0(base_url, endpoint, protocol_id)
  
  # 发送PUT请求提交更新
  put_response <- PUT(put_request_url, 
                      add_headers(authorization = token), 
                      body = protocol_data, 
                      encode = "json")
  
  # 检查PUT请求是否成功
  if (http_status(put_response)$category == "Success") {
    message(paste("[成功] 方案ID", protocol_id, "已更新"))
    return(TRUE)
  } else {
    message(paste("[失败] 方案ID", protocol_id, "更新失败：", http_status(put_response)$message))
    return(FALSE)
  }
}

# 待处理的方案ID数据集
df <- structure(list(PROTOCOL_ID = c(1, 22, 543, 421, 55, 6), PROTOCOL_NO = c("CTSU-E1234", 
"BRUOG-j-1234", "tp-P-bob61", "PFIZER-T", "Jimbo", 
"INCONGRUENCE"), LIBRARY = c("Non-Oncology", "Oncology", "Non-Oncology", 
"Oncology", "Oncology", "Non-Oncology")), row.names = c(NA, 6L), class = "data.frame")

# 执行批量更新
update_results <- lapply(df$PROTOCOL_ID, update_protocol_account)

# 输出最终统计结果
total <- length(update_results)
success <- sum(unlist(update_results))
message(paste("\n批量更新完成：共处理", total, "个方案，成功", success, "个，失败", total - success, "个"))

关键说明 #

• 函数封装：将单个方案的操作逻辑打包成函数，让代码更清晰，也便于后续维护和调整。
• 错误处理：在GET和PUT请求后都添加了状态校验，避免单个请求失败导致整个批量任务中断，同时输出明确的失败原因，方便排查问题。
• 批量遍历：使用lapply遍历DataFrame中的PROTOCOL_ID列，逐个执行更新操作。
• 结果统计：最后输出成功/失败的数量，方便快速核对更新情况。

内容的提问来源于stack exchange，提问作者Joe Crozier