进程替换

Question

我在关于我困惑的内容上做了一些调查，只发现了这个网页：Do some programs not accept process substitution for input files?虽然有所帮助，但我真的很想了解完整的故事。我注意到当我使用进程替换时，我的一些R脚本会给出不同（即错误）的结果。

我尝试通过一个测试用例来找出问题所在：

以下是这个脚本：

#!/usr/bin/Rscript

args  <- commandArgs(TRUE)
file  <-args[1]
cat(file)
cat("\n")
data <- read.table(file, header=F)
cat(mean(data$V1))
cat("\n")

使用这种方式生成的输入文件：

$ for i in `seq 1 10`; do echo $i >> p; done
$ for i in `seq 1 500`; do cat p >> test; done

这让我想到了以下内容：

$ ./mean.R test
test
5.5

$ ./mean.R <(cat test)
/dev/fd/63
5.501476

进一步的测试表明，有些行丢失了......但我想知道原因。read.table（scan给出相同的结果）是否使用seek？

附注： 对于较小的测试文件（100），会报告错误：

$./mean.R <(cat test3)
/dev/fd/63
Error in read.table(file, header = F) : no lines available in input
Execution halted

添加#1：使用修改后的脚本并使用扫描，结果相同。

- vodka

---

read.table 可能会查看文件以确定列格式，然后在返回开头时失败。（只是一个猜测。）如果您在 R 脚本中运行 cat(head(data$V1))，会发生什么？ - krlmlr

使用进程重定向，它会输出“2 3 4 5 6 7”，否则只有“1 2 3 4 5 6”。打印整个数据框时，没有进程重定向会输出5001行（正确），而在另一种情况下只有3050行。我认为seek可能是问题所在，但是...它不应该报告错误而不是继续进行部分数据吗？ - vodka

在文件中上下移动绝对是个问题：https://stat.ethz.ch/pipermail/r-help/2007-September/141769.html，但我仍然相信应该报告错误，也许我会提交一个bug。我还需要调查是否与scan发生了同样的情况（它给我与read.table相同的错误结果）。 - vodka

Answer 1

我为自己的脚本编写了这个通用函数，用于打开文件连接：

OpenRead <- function(arg) {

   if (arg %in% c("-", "/dev/stdin")) {
      file("stdin", open = "r")
   } else if (grepl("^/dev/fd/", arg)) {
      fifo(arg, open = "r")
   } else {
      file(arg, open = "r")
   }
}

在你的代码中，将 file 替换为 file <- OpenRead(file) ，它可以处理以下所有内容：

./mean.R test
./mean.R <(cat test)
cat test | ./mean.R -
cat test | ./foo.R /dev/stdin

- flodel

---

没错，这个可行（事实上我注意到使用“/dev/stdin”会出现问题，所以一段时间前我切换到了“stdin”）。不过我仍然认为这可能被视为R中的一个bug... - vodka

事实已经过去5年，但是对于在哪里放置file <- OpenRead(file)感到困惑。在OP的示例中，它会在file <- args[1]之后吗？ - beroe