使用R的download.file批量下载PDF时跳过错误文件的方法

我明白你现在的困扰：批量下载PDF时，只要有一个文件下载失败，整个循环就停了，想让程序自动跳过出错的文件，还能打印出哪个文件出了问题。你提到用tryCatch是对的思路，只是之前的代码里把它放错位置啦，咱们来一步步修正。

首先先看你原来代码里的几个小问题：

• 循环的语法有误：for (i in length(files) 应该改成 for (i in seq_along(files))（用seq_along比1:length(files)更安全，避免空列表时出现无效序列的问题）
• tryCatch的位置不对：你现在把print(name)包在了里面，但真正可能出错的是download.file，应该把这个函数放在tryCatch的表达式部分。
• PDF链接匹配的正则有问题：grepl("\\pdf", ...)会匹配带"pdf"字符串的任意链接，应该改成grepl("\\.pdf", ...)才会精准匹配PDF后缀。

下面是修改后的完整代码，我会在后面解释关键部分：

# 遍历每个文件链接
for (i in seq_along(files)) { 
  # 读取网页内容
  html <- read_html(files[i]) 
  # 提取页面标题作为文件名
  reads_name <- html_nodes(html, 'h1') 
  name <- trimws(html_text(reads_name)) 
  
  # 提取页面中的PDF链接
  webpagelinks <- html_attr(html_nodes(html, "a"), "href") 
  extract_pdf_link <- webpagelinks[grepl("\\.pdf", webpagelinks)] 
  
  # 先判断是否找到PDF链接，避免无链接时出错
  if (length(extract_pdf_link) == 0) {
    cat("警告：页面", name, "未找到PDF链接，跳过\n")
    next
  }
  
  # 用tryCatch包裹下载操作，捕获错误
  tryCatch(
    expr = {
      download.file(extract_pdf_link, destfile = paste0(name, "_paper.pdf"), mode = "wb")
      cat("成功下载：", name, "\n") # 可选：打印成功提示，方便跟踪进度
    },
    error = function(e) {
      cat("下载失败：", name, "，错误信息：", e$message, "\n")
      # 捕获错误后无需额外操作，循环会自动继续执行下一个文件
    }
  )
}

关键修改点说明： #

1. 循环遍历优化：用seq_along(files)代替length(files)，当files为空时不会出现无效的序列（比如1:0），让代码更健壮。
2. PDF链接精准匹配：修正正则表达式为\\.pdf，确保只提取真正的PDF文件链接，避免误下载其他带"pdf"字符串的文件。
3. 空链接提前判断：在下载前先检查extract_pdf_link的长度，如果为0（没找到PDF链接），直接打印提示并跳过当前循环，避免后续下载操作无意义报错。
4. 正确使用tryCatch：把download.file放在expr参数里，当这个函数执行出错时，会触发error参数里的匿名函数，在这个函数里我们可以打印出错的文件名和具体错误信息，而且捕获错误后循环会继续执行，不会终止。

这样修改后，程序遇到下载失败的情况就会自动跳过，同时告诉你哪个文件出了问题，还能看到具体的错误原因（比如链接失效、网络问题等），方便后续排查。

内容的提问来源于stack exchange，提问作者Carolin