如何让readr::read_tsv_chunked()读取指定数量的块后停止？

你遇到的问题很典型：read_tsv_chunked默认会遍历整个文件，哪怕你已经拿到了目标块。你的现有代码能返回需要的块，但没法让读取流程提前终止，因为返回NULL只是告诉readr不要积累这个块的结果，不会停止后续读取。

这里有个更优雅的解决方案，通过自定义错误触发终止+环境保存状态来实现：既可以精准获取目标块，又能在找到后立即停止读取文件，避免不必要的IO操作。

实现步骤 #

1. 用环境保存状态（当前块序号、目标块结果），避免全局变量的副作用；
2. 当回调函数匹配到目标块时，保存结果并抛出自定义错误，强制终止读取；
3. 用tryCatch捕获这个自定义错误，提取我们需要的结果，同时忽略终止信号。

完整代码示例 #

get_problem_chunk <- function(target_chunk) {
  # 创建一个独立环境保存状态，避免污染全局空间
  state <- new.env()
  state$current_chunk <- 1
  state$result <- NULL
  
  function(x, pos) {
    if (state$current_chunk == target_chunk) {
      # 保存目标块结果
      state$result <- x
      # 抛出自定义错误终止读取，call. = FALSE避免显示调用栈
      stop("Target chunk found", call. = FALSE)
    }
    state$current_chunk <- state$current_chunk + 1
    message(paste("Scanned chunk", state$current_chunk - 1))
    # 返回NULL表示不积累该块结果
    NULL
  }
}

# 生成测试数据
write_tsv(mtcars, "mtcars.tsv")

# 获取第3块并终止读取
target_chunk_num <- 3
final_result <- tryCatch(
  read_tsv_chunked(
    file = "mtcars.tsv",
    callback = DataFrameCallback$new(get_problem_chunk(target_chunk_num)),
    chunk_size = 3
  ),
  error = function(e) {
    # 只处理我们自定义的终止错误
    if (grepl("Target chunk found", e$message)) {
      # 从环境中提取保存的目标块
      get("result", envir = environment(get_problem_chunk(target_chunk_num)))
    } else {
      # 其他错误正常抛出，不掩盖真实问题
      stop(e)
    }
  }
)

# 查看结果
final_result

效果说明 #

运行这段代码后，你会看到输出只打印到Scanned chunk 2（因为第3块是目标，找到后立即终止），不会像之前那样遍历整个文件。最终返回的final_result就是你需要的第3块数据。

为什么你的原代码无法终止？ #

read_tsv_chunked的设计是：只要回调函数没有抛出错误，就会持续读取下一个块。返回NULL只是告诉它“不要把这个块加入最终结果”，但不会停止读取流程。而抛出错误会直接中断整个读取过程，这是目前让readr提前终止chunked读取的最可靠方式。

内容的提问来源于stack exchange，提问作者bheavner