R中两种文件名构建方式识别结果不同的原因及动态生成方法

使用R动态生成文件路径时，拼接得到的路径和手动书写的正确路径视觉上完全一致，但file.exists()对二者的返回结果不同，字符串判等结果为FALSE，复现代码如下：

phe_num <- 1
cross_num <- 1
chr_num <- 1
pfn <- paste0("pred_ukb_pheno", 
                   phe_num, 
                   "_fold", 
                   cross_num, 
                   "_chr", 
                   chr_num, 
                   "_best.dblsmm.txt.profile")
profile_fn <- file.path("/net/mulan/home/fredboe/research/ukb-intervals/dat", "simulations-ding", "DBSLMM", pfn)
file.exists(profile_fn)
#> [1] FALSE
profile_fn
#> [1] "/net/mulan/home/fredboe/research/ukb-intervals/dat/simulations-ding/DBSLMM/pred_ukb_pheno1_fold1_chr1_best.dblsmm.txt.profile"
my_file <- "/net/mulan/home/fredboe/research/ukb-intervals/dat/simulations-ding/DBSLMM/pred_ukb_pheno1_fold1_chr1_best.dbslmm.txt.profile"
file.exists(my_file)
#> [1] TRUE
my_file == profile_fn
#> [1] FALSE

测试环境为Ubuntu 22.04、R 4.2.0。

核心问题是动态拼接文件名时出现了肉眼极难识别的拼写错误：
paste0中写入的固定文件后缀为_best.dblsmm.txt.profile，其中工具名部分拼写为dblsmm（字符顺序d-b-l-s-m-m），但实际存在的文件名对应部分为dbslmm（字符顺序d-b-s-l-m-m），字母s和l的顺序写反。
小写l和s字形相近，长路径打印输出后，肉眼几乎无法分辨这个顺序差异，但Linux类操作系统的文件系统是严格逐字符匹配文件名的，只要字符顺序、大小写存在偏差，就会被判定为完全不同的文件，最终才会出现“视觉一致、实际不相等”的结果。

遇到字符串打印出来看起来一致、但判等结果为假的情况，不要靠肉眼逐字核对，直接用代码定位差异：

• 基础方法：将两个字符串拆分为单字符向量，逐位对比找出差异位置，示例代码：

# 将两个路径拆分为单个字符的向量
char_profile <- strsplit(profile_fn, "")[[1]]
char_my <- strsplit(my_file, "")[[1]]
# 输出所有不匹配的位置、对应字符
data.frame(
  diff_pos = which(char_profile != char_my),
  char_in_generated_path = char_profile[which(char_profile != char_my)],
  char_in_real_path = char_my[which(char_profile != char_my)]
)

运行后就能直接定位到拼写错误的位置，不需要反复肉眼核对。

• 路径拼接全程使用file.path()函数，不要手动拼接路径分隔符（/或\），避免不同操作系统的路径分隔符不兼容问题。
• 文件名中的固定前缀、后缀片段，尽量从已有的正确文件名中复制，不要纯手动输入长字符串，从源头减少形近字母写错、字符顺序写反的低级错误。
• 路径拼接完成后，第一时间调用file.exists()做存在性校验，如果返回FALSE，优先排查字符串拼写差异，不要默认是路径处理函数存在bug。
• 批量处理同规则文件时，可先用list.files()配合正则匹配读取目标目录下的真实文件列表，再和自己生成的文件名做匹配，避免生成的路径和实际文件存在偏差。

内容的提问来源于stack exchange，提问作者Fred Boehm