Question

library(rvest)

urls <- c("https://www.r-bloggers.com", "https://www.stackoverflow.com")

docsFor <- list()
for(url in urls){
  docsFor[[url]] <- read_html(url)
}
docsFor[[1]]

问题：我该如何用sapply / vapply做同样的事情？

使用sapply(urls, read_html)不起作用，因此我选择了vapply。如果我是正确的，我会需要externalptr(0)之类的东西，但我不确定是否存在。

无法工作，因为没有externalptr()？：

docs <- vapply(urls, read_html, FUN.VALUE = list(externalptr(0), externalptr(0)))
docs[[1]]

Answer 1

简而言之，如果您要返回的是列表（这是您的情况），请使用lapply而不是sapply，后者是lapply的包装，它返回一个{{ 1}}，vector或matrix。

与array相同的论点，因为正如注释中适当提到的，应仅将其用于简化对象。

因此，这种情况下最好的整洁解决方案是：

vapply

Answer 2

本质上，应用族的每个成员默认情况下都会返回：

简化的对象（向量，矩阵，数组），其中所有元素都是相同的原子类型，例如逻辑，整数，双精度，复数，原始；
非简化对象（数据框，列表），其中每个元素不一定是相同的类型，并且可以包含复杂的类对象。

要充分将for循环转换为apply-family函数，您必须首先询问什么是输入类型和所需的输出类型？由于read_html返回XML类型的特殊类对象，因此它不能完全适合原子向量或矩阵。因此，lapply将是最好的for循环翻译。但是，它的同级可以处理对默认值或输入的各种更改：

施加

lapply(urls, read_html)

应用 （至少需要二维输入，例如矩阵或数组）：

apply(matrix(urls), 1, read_html)

应用 （包装到lapply，但需要simplify参数）

sapply(urls, read_html, simplify=FALSE)

通过 （tapply的面向对象包装）

by(urls, urls, function(x) read_html(as.character(x)))

mapply （需要SIMPLIFY参数，该参数等效于包装器Map）

mapply(read_html, urls, SIMPLIFY = FALSE)

Map(read_html, urls)

强行应用 （需要嵌套列表转换以及列表输出）

urls_list <- list(u1 = urls[1], u2 = urls[2])

rapply(urls_list, read_html, how="list")

以下功能由于默认值仅限于简化类型而无法使用，其中?引用外部指针。

应用 （默认设置）

sapply(urls, read_html)

#      https://www.r-bloggers.com https://www.stackoverflow.com
# node ?                          ?                            
# doc  ?                          ?

vapply （通常只返回简化的对象）

vapply(urls, read_html, vector(mode="list", length=2))

#      https://www.r-bloggers.com https://www.stackoverflow.com
# node ?                          ?                            
# doc  ?                          ?

应用 （默认设置）

mapply(read_html, urls)
#      https://www.r-bloggers.com https://www.stackoverflow.com
# node ?                          ?                            
# doc  ?                          ?

应用

rapply(urls_list, read_html)

# $u1.node
# <pointer: 0x8638eb0>

# $u1.doc
# <pointer: 0x6f79b30>

# $u2.node
# <pointer: 0x9c98930>

# $u2.doc
# <pointer: 0x9cb19a0>

有关进一步的阅读，请参见下面的SO帖子：

Grouping functions (tapply, by, aggregate) and the *apply family

对read_html使用sapply / vapply

2 个答案: