R语言如何提取传入函数的嵌套列表单个元素对应名称

我通过.yml文件加载了多个指向不同数据框的文件路径，这些路径以命名列表的结构存储，以下是极简示例：

settings_list <- list(survey = list(df1 = "path",
                                df2 = "path2",
                                df3 = "path3",
                                df4 = "path4"))

该列表的结构如下：

> str(settings_list)
List of 1
  $ survey:List of 3
..$ df1: chr "path"
..$ df2: chr "path2"
..$ df3: chr "path3"
..$ df4: chr "path4"

由于各个数据框的结构差异较小，我编写了一个可接收单个数据框路径并完成数据清洗的函数，调用示例如下：

foo_cleaning(path = settings_list$survey$df3)

后续我会使用purrr::map()遍历settings_list$survey下的所有元素完成批量清洗。

我希望为该函数新增可选功能：将清洗完成的数据框以对应列表元素的名称作为对象名，保存到全局环境中（例如上述调用需生成名为df3的对象）。我知晓可以直接将所有清洗结果存储在列表中，但出于其他实际需求，我仍需要在函数中实现该功能。

目前该功能的主体代码已经编写完成，但我遇到了一个问题：无法从函数输入中提取到正确的元素名称。

names(settings_list$survey$df3)
NULL #期望输出: "df3"

对列表的更高层级调用names()会返回全部元素的名称向量，但我需要仅提取settings_list$survey$df3对应的单个名称：

names(settings_list$survey)
[1] "df1" "df2" "df3" "df4"

除此之外，我也想了解是否可以将函数输入的表达式settings_list$survey$df3转换为字符串，从而通过正则表达式提取最后一段的元素名？

方案1：适配purrr批量遍历场景（推荐） #

不需要在函数内部解析输入表达式，使用purrr遍历的时候本身就可以直接拿到元素名，是稳定性最高、边界问题最少的实现方式。
purrr的imap()/iwalk()函数会自动把列表元素的名称作为第二个参数传入处理函数，完全不会出现名称提取错误的问题：

library(purrr)

# 改写你的清洗函数，增加可选参数控制是否写入全局环境
foo_cleaning <- function(path, obj_name = NULL, save_to_global = FALSE) {
  # 此处替换为你原有的数据清洗逻辑
  cleaned_df <- read.csv(path)
  
  # 全局环境写入逻辑
  if (isTRUE(save_to_global) && !is.null(obj_name)) {
    assign(x = obj_name, value = cleaned_df, envir = .GlobalEnv)
  }
  
  # 保留原有返回值，不影响将结果存入列表的需求
  return(cleaned_df)
}

# 批量遍历，自动传入元素名
iwalk(
  .x = settings_list$survey,
  .f = ~foo_cleaning(path = .x, obj_name = .y, save_to_global = TRUE)
)

运行完成后全局环境会直接生成df1、df2、df3、df4四个对应的数据框对象，如果需要同时获取列表格式的清洗结果，把iwalk()替换为imap()并将结果赋值给变量即可，两种需求可以同时满足。

方案2：单函数调用场景的表达式解析 #

如果你需要支持单独调用foo_cleaning(path = settings_list$survey$df3)时自动识别元素名，可以通过非标准计算捕获输入表达式，转成字符串后用正则提取最后一级的名称：

foo_cleaning <- function(path, save_to_global = FALSE) {
  # 捕获传入的path参数表达式，转为字符串
  path_expr <- deparse(substitute(path))
  # 正则提取最后一个$符号后的内容作为对象名
  obj_name <- sub(".*\\$", "", path_expr)
  
  # 此处替换为你原有的数据清洗逻辑
  cleaned_df <- read.csv(path)
  
  if (isTRUE(save_to_global)) {
    assign(x = obj_name, value = cleaned_df, envir = .GlobalEnv)
  }
  
  return(cleaned_df)
}

# 单独调用测试，会自动在全局环境生成df3对象
foo_cleaning(path = settings_list$survey$df3, save_to_global = TRUE)

注意：该方案存在使用限制，如果你先把路径赋值给独立变量再传入函数（比如p <- settings_list$survey$df3后调用foo_cleaning(path = p)），正则提取会拿到变量名p而非预期的df3，批量处理场景下优先选择方案1。

内容的提问来源于stack exchange，提问作者Rasul89