R语言批量抓取网页ZIP文件报错求助：零长度输入混合问题

这个错误的核心问题很明确：你的urls和files两个向量要么长度不匹配，要么其中一个是空的，导致mapply无法正常执行。咱们一步步排查和解决：

1. 先修正正则表达式的问题 #

你用的grep("*.zip", ...)是错误的正则写法——在正则语法里，*是用来修饰前面字符的（表示零次或多次匹配），而你这里*前面没有任何字符，根本匹配不到任何.zip文件，这大概率是导致files为空向量的原因。

把正则改成匹配以.zip结尾的链接，更准确：

files <- grep("\\.zip$", sapply(nodes_a, function(node) xmlGetAttr(node, "href")), value = TRUE)

解释：\\.是转义的点号（因为.在正则里默认匹配任意字符），$表示字符串结尾，这样只会抓到真正的zip文件链接，避免误匹配类似.zip.txt这类无关链接。

2. 验证你的向量是否有效 #

在执行下载前，先打印files和urls的长度和内容，确认它们非空且长度一致：

cat("找到的zip文件数量：", length(files), "\n")
print(files)
cat("拼接后的下载链接数量：", length(urls), "\n")
print(urls)

如果输出显示数量为0，那说明你的xpath没抓到正确的<a>标签，或者网页上根本没有zip链接。这时候可以换更精准的xpath直接筛选带zip的链接，省去后续grep的步骤：

# 直接筛选href包含.zip的a标签
nodes_a <- getNodeSet(zipped, "//a[contains(@href, '.zip')]")
files <- sapply(nodes_a, function(node) xmlGetAttr(node, "href"))

3. 修复下载代码的细节 #

即使向量没问题，下载zip这类二进制文件时，最好加上mode = "wb"参数，避免在Windows系统下出现文件损坏的情况。另外，先做个判断，确保向量非空再执行下载：

if (length(urls) > 0 && length(urls) == length(files)) {
  mapply(function(x, y) download.file(x, y, mode = "wb"), urls, files)
} else {
  warning("没有找到可下载的zip文件，或者urls与files长度不匹配！")
}

完整修正后的代码示例 #

library(XML)
url <- "http://blablabla" # 单个url不需要用c()包裹
zipped <- htmlParse(url)

# 方法1：用xpath直接筛选zip链接（更高效）
nodes_a <- getNodeSet(zipped, "//a[contains(@href, '.zip')]")
files <- sapply(nodes_a, function(node) xmlGetAttr(node, "href"))

# 方法2：先抓所有a标签再用正则筛选（适合需要复杂匹配规则的场景）
# nodes_a <- getNodeSet(zipped, "//a")
# files <- grep("\\.zip$", sapply(nodes_a, function(node) xmlGetAttr(node, "href")), value = TRUE)

# 拼接完整下载链接
urls <- paste(url, files, sep = "")

# 验证并执行下载
if (length(urls) > 0 && length(urls) == length(files)) {
  mapply(function(x, y) download.file(x, y, mode = "wb"), urls, files)
  cat("所有文件下载完成！")
} else {
  warning("未找到有效zip文件链接，请检查网页结构或xpath表达式！")
}

内容的提问来源于stack exchange，提问作者Helena