r语言如何解析json

R语言如何解析JSON：从基础到实战

在数据处理的日常工作中，JSON（JavaScript Object Notation）作为一种轻量级、易读的数据交换格式，被广泛应用于API响应、配置文件、日志存储等场景，R语言作为统计分析的利器，常常需要从JSON数据中提取信息进行清洗、转换和分析，本文将系统介绍R语言解析JSON的方法，从基础函数到实战技巧,帮助读者不同场景下的JSON处理能力。

R语言解析JSON的常用工具

R语言中处理JSON数据的核心依赖是jsonlite包，它由知名数据科学家Jeroen Ooms开发，提供了高效、简洁的接口，支持JSON与R对象的双向转换。rjson和RJSONIO包也可用于JSON解析，但jsonlite在性能、功能丰富度和易用性上更具优势,已成为社区主流选择。

安装与加载jsonlite包

如果尚未安装jsonlite包,可通过以下命令安装：

install.packages("jsonlite")

加载包后即可使用其核心函数：

library(jsonlite)

JSON数据与R对象的转换原理

JSON数据与R对象的对应关系是解析的基础,理解这一点能快速识别转换后的数据结构：

核心函数与实战解析

jsonlite包提供了两类核心函数：从JSON读取数据到R（反序列化）和从R对象写入JSON（序列化），本文重点解析前者,后者可简单理解为逆向操作。

从字符串解析JSON：fromJSON()

如果JSON数据已作为字符对象存储在R中，可直接使用fromJSON()函数解析。

示例1：简单JSON对象

json_str <- '{"name": "Bob", "age": 30, "is_student": false}'
data <- fromJSON(json_str)
print(data)
# 输出：
# $name
# [1] "Bob"
#
# $age
# [1] 30
#
# $is_student
# [1] FALSE
# 访问特定元素
data$name  # [1] "Bob"
data$age   # [1] 30

示例2：JSON数组

json_arr <- '[{"id": 1, "score": 85}, {"id": 2, "score": 92}]'
scores <- fromJSON(json_arr)
print(scores)
# 输出：
#   id score
# 1  1    85
# 2  2    92
# 转换为数据框（若需进一步分析）
as.data.frame(scores)

示例3：嵌套JSON

nested_json <- '{
  "user": "Charlie",
  "details": {
    "city": "New York",
    "hobbies": ["reading", "coding"]
  }
}'
nested_data <- fromJSON(nested_json)
print(nested_data)
# 输出：
# $user
# [1] "Charlie"
#
# $details
# $details$city
# [1] "New York"
#
# $details$hobbies
# [1] "reading" "coding"
# 访问嵌套元素
nested_data$details$city      # [1] "New York"
nested_data$details$hobbies[1] # [1] "reading"

从文件读取JSON：fromJSON(file=)

实际场景中，JSON数据常存储为.json文件或从API接口获取。fromJSON()支持通过file参数直接读取文件路径或URL。

示例4：读取本地JSON文件

假设当前目录下有data.json为：

[
  {"product": "Apple", "price": 5.2, "stock": 100},
  {"product": "Banana", "price": 3.8, "stock": 200}
]

用R读取并解析：

# 读取本地文件
products <- fromJSON("data.json")
print(products)
# 输出：
#   product price stock
# 1   Apple   5.2   100
# 2  Banana   3.8   200
# 查看数据结构
str(products)
# 输出：
# 'data.frame': 2 obs. of  3 variables:
#  $ product: chr  "Apple" "Banana"
#  $ price  : num  5.2 3.8
#  $ stock  : num  100 200

示例5：从API读取JSON

许多公开API返回JSON格式数据，例如通过httr包获取GitHub API信息（需先安装httr）：

# 安装httr包（如果未安装）
# install.packages("httr")
library(httr)
# 发送GET请求获取JSON数据
response <- GET("https://api.github.com/users/jeroenooms")
json_content <- content(response, "text", encoding = "UTF-8")  # 提取响应文本
# 解析JSON
user_info <- fromJSON(json_content)
print(user_info)
# 输出部分内容：
# $login
# [1] "jeroenooms"
#
# $id
# [1] 4325398
#
# $avatar_url
# [1] "https://avatars.githubusercontent.com/u/4325398?v=4"

高级解析选项：fromJSON()的参数控制

fromJSON()提供了多个参数,可灵活处理复杂场景：

1 处理日期时间：DateFormat与ISOdate

JSON中日期通常以字符串格式存储（如"2023-10-01"），需通过dateFormat参数指定格式：

json_with_date <- '{"event": "Conference", "date": "2023-10-01"}'
data <- fromJSON(json_with_date, dateFormat = "yyyy-mm-dd")
print(data$date)
# 输出：
# [1] "2023-10-01"
# 类别为Date对象
class(data$date)  # [1] "Date"

2 处理大数字：numericDates与BigIntAsChar

JSON中的大整数（如ID）可能因精度丢失被转换为科学计数法，可通过bigIntAsChar = TRUE保留为字符串：

json_big_int <- '{"id": 12345678901234567890, "value": 100}'
data <- fromJSON(json_big_int, bigIntAsChar = TRUE)
print(data$id)
# 输出：
# [1] "12345678901234567890"  # 字符串格式，避免精度丢失

3 宽松解析：flatten与simplifyVector

• flatten = TRUE：将嵌套列表“压平”为数据框（适用于结构规整的JSON）；
• simplifyVector = TRUE：自动将JSON数组转换为R向量（默认开启，可减少嵌套层级）。

nested_json <- '{"a": {"b": 1, "c": 2}, "d": [3, 4, 5]}'
# 默认解析
data_default <- fromJSON(nested_json)
print(data_default)
# 输出：
# $a
# $a$b
# [1] 1
#
# $a$c
# [1] 2
#
#
# $d
# [1] 3 4 5
# 使用flatten压平嵌套
data_flatten <- fromJSON(nested_json, flatten = TRUE)
print(data_flatten)
# 输出：
#   a.b a.c d.1 d.2 d.3
# 1   1   2   3   4   5

错误处理：解析失败的应对

实际数据中可能存在格式错误（如缺失引号、逗号等），fromJSON()会抛出异常。