R语言批量读取多Excel文件中符合正则模式的工作表求助

我来帮你解决这个批量读取Excel工作表的问题——你遇到的速度慢和循环中断的问题，核心是之前的方法做了很多无用功，而且没处理无匹配表的边界情况。下面给你两个高效可行的解决方案：

方案1：用readxl + purrr（简洁高效，推荐） #

这个方案的核心是只读取符合条件的工作表，避免读取所有表浪费IO资源，同时自动处理无匹配表的文件，不会中断流程。

library(readxl)
library(purrr)
library(dplyr)

# 配置参数：替换成你的文件夹路径和正则模式
folder_path <- "path_to_folder"
target_pattern <- "^Abc"

# 获取所有Excel文件的完整路径（必须加full.names=TRUE，避免后续找不到文件）
excel_files <- list.files(path = folder_path, pattern = "\\.xls(x)?$", full.names = TRUE)

# 定义单个文件的处理函数
process_single_excel <- function(file_path) {
  # 先获取当前文件的所有工作表名，筛选出匹配的
  all_sheets <- excel_sheets(file_path)
  matched_sheets <- all_sheets[grepl(target_pattern, all_sheets)]
  
  # 如果没有匹配的表，返回空数据框，不中断批量处理
  if (length(matched_sheets) == 0) {
    return(tibble())
  }
  
  # 只读取匹配的工作表，并自动合并成一个数据框
  map_dfr(matched_sheets, ~ read_excel(file_path, sheet = .x))
}

# 批量处理所有文件，最终合并成一个大数据框
final_combined_data <- map_dfr(excel_files, process_single_excel)

为什么这个方案更快？ #

• 跳过了读取无关工作表的步骤，大幅减少了磁盘IO操作（这是之前速度慢的核心原因）
• map_dfr自动帮你完成数据合并，不需要手动调用do.call(rbind, ...)
• 无匹配表的文件会返回空数据框，不会导致整个批量流程中断

方案2：基础R循环（无需额外依赖） #

如果你不想用purrr，可以用基础R循环实现同样的逻辑，适合习惯原生语法的场景：

library(readxl)

folder_path <- "path_to_folder"
target_pattern <- "^Abc"
excel_files <- list.files(path = folder_path, pattern = "\\.xls(x)?$", full.names = TRUE)

# 初始化最终数据框
final_data <- data.frame()

for (file in excel_files) {
  all_sheets <- excel_sheets(file)
  matched_sheets <- all_sheets[grepl(target_pattern, all_sheets)]
  
  # 没有匹配表就跳过当前文件
  if (length(matched_sheets) == 0) {
    next
  }
  
  # 逐个读取匹配的工作表，合并到最终数据框
  for (sheet in matched_sheets) {
    sheet_data <- read_excel(file, sheet = sheet)
    final_data <- rbind(final_data, sheet_data)
  }
}

解决你之前遇到的问题 #

1. 速度慢：之前的代码读取了所有工作表再筛选，现在只读取需要的表，IO操作减少，速度会显著提升
2. 循环中断：现在会先检查是否有匹配表，没有就跳过，不会因为rbind空列表报错
3. readWorksheetFromFile报错：这个错误是因为部分文件没有Abc工作表，指定固定工作表名会找不到。现在先检查文件内的工作表名，只读取存在的目标表，就不会出现索引越界的问题

额外优化建议 #

如果你的Excel文件很大，可以给read_excel加上col_types参数，手动指定列类型，避免自动推断类型的耗时；还可以用progress包添加进度条，方便查看处理进度：

library(progress)
pb <- progress_bar$new(total = length(excel_files))

final_combined_data <- map_dfr(excel_files, function(file) {
  pb$tick()  # 更新进度条
  process_single_excel(file)
})

内容的提问来源于stack exchange，提问作者Xavi Reche