parse_integer(c("1", "231", ".", "456"), na = ".") #> [1] 1 231 NA 456

如果解析失败，你会得到一个警告：

x <- parse_integer(c("123", "345", "abc", "123.45")) #> Warning: 2 parsing failures. #> row col expected actual #> 3 -- an integer abc #> 4 -- no trailing characters .45

并且失败的部分会在输出中缺失：

x #> [1] 123 345 NA NA #> attr(,"problems") #> # A tibble: 2 × 4 #> row col expected actual #> #> 1 3 NA an integer abc #> 2 4 NA no trailing characters .45

如果解析失败很多，你需要使用 problems() 来获取完整的集合。它返回一个 tibble，然后你可以用 dplyr 对其进行操作：

problems(x) #> # A tibble: 2 × 4 #> row col expected actual #> #> 1 3 NA an integer abc #> 2 4 NA no trailing characters .45

使用解析器主要是要了解有哪些可用的解析器，以及它们如何处理不同类型的输入。有八个特别重要的解析器：

• parse_logical() 和 parse_integer() 分别用于解析逻辑值和整数。这些解析器基本上不会出什么问题，所以我在这里不再进一步介绍。
• parse_double() 是一个严格的数值解析器，而 parse_number() 是一个灵活的数值解析器。它们比你想象的更复杂，因为世界上不同地区书写数字的方式不同。
• parse_character() 看起来非常简单，似乎没有必要存在。但有一个复杂之处使它相当重要：字符编码。