R语言使用rvest包爬取维基百科时报readRDS读取错误如何解决

该报错的触发阶段为rvest加载内部依赖的节点解析缓存环节，尚未进入实际的网页请求流程，和网络连通性、目标网页可访问性无关，本质是rvest的核心依赖selectr包的内部缓存文件损坏、路径无访问权限或是版本不兼容导致的读取失败。

分步解决操作 #

• 定位报错对应的目标文件
  执行以下命令直接获取nsInfoFilePath指向的实际文件路径：
  system.file("extdata", "nsinfo.rds", package = "selectr")
  通常该路径下的nsinfo.rds就是触发报错的损坏文件，常见的损坏诱因包括R版本升级、磁盘写入异常、磁盘坏道导致的文件内容截断。
• 清理损坏的缓存文件
  不需要全量重装R环境，执行以下代码删除损坏的缓存，包下次加载时会自动生成可用的新缓存：

  # 获取损坏缓存的实际路径
  damaged_file <- system.file("extdata", "nsinfo.rds", package = "selectr")
  # 若文件存在则执行删除
  if (file.exists(damaged_file)) file.remove(damaged_file)
  

• 解决版本兼容引发的路径匹配错误
  如果删除缓存后仍报相同错误，大概率是R版本升级后旧版rvest、selectr的内部文件路径发生了偏移，直接重装匹配当前R版本的依赖即可：

  # 重装当前R环境适配的正式发布版依赖
  install.packages(c("selectr", "rvest"))
  # 重装完成后完全重启R会话，再运行原始复现代码验证
  

• 特殊权限场景排查
  若上述操作后报错依旧，检查R包安装目录、用户目录下的R缓存文件夹是否被设置为只读权限，或是被本地安全软件拦截了rds格式文件的读取操作，为R进程开放对应文件夹的读写权限即可恢复。

常见排查误区：该报错发生在包内部缓存读取阶段，尚未发起对目标维基百科页面的HTTP请求，无需花费时间检查网络代理、更换爬取URL或是反复测试目标站点连通性。

内容的提问来源于stack exchange，提问作者Ali Trabelsi