防止从动态文件输入中多次读取文件

Question

我使用 lapply 在闪亮中创建了一个动态文件输入。当我想读取文件时，我还在观察者中使用了 lapply 。

这里使用 lapply 的问题是，每次上传新文件时都会触发它，因此，如果上传了新文件，则会一次又一次地读取所有文件。

在这里，我提供了一个 Hello World 应用程序。 lapply 函数依赖于一个输入参数，为简单起见，我从中提取了该参数。

library(shiny)
ui <- fluidPage(
    titlePanel("Hello World"),
    sidebarLayout(
        sidebarPanel(),
        mainPanel(
            lapply(1:2, function(i) {
                fileInput(
                    paste0("file", i),
                    label = NULL,
                    multiple = F,
                    accept = c(
                        "text/csv",
                        "text/comma-separated-values,text/plain",
                        ".csv"
                    ),
                    buttonLabel = paste("File", i)
                )
            }),
            verbatimTextOutput("list")
        )
    )
)

server <- function(input, output) {
    r <- reactiveValues()

    observe({
        lapply(1:2, function(i) {
            file <- input[[paste0("file",i)]]
            if(is.null(file)) return()
            isolate({
                r$file[[paste(i)]] <- readr::read_csv2(file = file$datapath)
            })
        })
    })
    output$list <- renderPrint(reactiveValuesToList(r))
}

shinyApp(ui = ui, server = server)

如何替换循环或添加要求到 lapply？

Answer 1

虽然我从 cmets 中的 cache-invalidation 开始，但我认为其他方法可能更适合您，因为您有固定数量的 fileInput 字段：交换 lapply和代码中的 observe 行（以及其他一些调整）。

server <- function(input, output) {
  lapply(paste0("file", 1:2), function(nm) {
    observeEvent(input[[ nm ]], {
      req(input[[nm]], file.exists(input[[nm]]$datapath))
      readr::read_csv2(file = input[[nm]]$datapath)
    })
  })
}

解释：

• 我正在创建一个反应块列表，而不是在列表上运行的反应块。这意味着"file1" 不会对"file2" 做出反应。
• 我通过将paste0(...) 放在lapply 的数据中而不是在函数中来缩短输入名称的定义，尽管这样做同样容易

  lapply(1:2, function(i) {
    nm <- paste0("file", i)
    # ...
  })
  

• 将nm 定义在observeEvent 之外 很重要，这与延迟评估和命名空间搜索顺序有关。几年前我遇到了这个问题，被Joe Cheng纠正了：你不能使用for循环，它必须是这样的环保操作。

注意：这是一段代码，远未完成：让observe 或observeEvent 读取数据然后丢弃它是错误的......它缺少一些东西。理想情况下，这应该是一个reactive 或eventReactive 块，或者处理后的数据应该存储在reactiveValues 或reactiveVal 中。例如：

server <- function(input, output) {
  mydata <- lapply(paste0("file", 1:2), function(nm) {
    observeEvent(input[[ nm ]], {
      req(input[[nm]], file.exists(input[[nm]]$datapath))
      readr::read_csv2(file = input[[nm]]$datapath)
    })
  })
  observe({
    # the following are identical, the latter more declarative
    mydata[[1]]
    mydata[["file1"]]
  })
}

（关于防御性编程的另一个注意事项：您无法完全控制readr::read_csv2 对该文件的反应方式......它可能由于某种原因出错。进一步的步骤是将其包装在tryCatch(..., error = function(e) { errfun(e); NULL; }) 中，其中errfun(e)对错误消息进行有意义的操作（记录它和/或在模式弹出窗口中将其提供给用户）然后返回NULL，以便下游的反应块可以使用req(mydata[[1]])并且不会尝试处理NULL。

server <- function(input, output) {
  mydata <- lapply(paste0("file", 1:2), function(nm) {
    observeEvent(input[[ nm ]], {
      req(input[[nm]])
      file <- input[[nm]]
      tryCatch(
        readr::read_csv2(file = input[[nm]]$datapath),
        error = function(e) { errfun(e); NULL; })
    })
  })
  observe({
    # the following are identical, the latter more declarative
    mydata[[1]]
    mydata[["file1"]]
  })
}