如何将含转义Unicode序列的文件导入MongoDB？

我在R语言中处理包含Unicode修饰字符的数据框：

d <- data.frame(id = 1, norm = "m͐pinĭ̍s̓u")

需要将该数据框导入MongoDB（使用Compass），让Unicode字符正确显示，但尝试多种方法均失败：

• 保存为制表符分隔文本：MongoDB直接将Unicode列视为普通字符串，不解析显示修饰字符。
• 用jsonlite转JSON导出：

  library(jsonlite)
  j <- toJSON(d, dataframe="rows", pretty=T)
  write(j, "jstest.json")
  

  导出的JSON会给Unicode转义序列添加额外反斜杠，变成m\\u0350pini\\u0306\\u030Ds\\u0313u，MongoDB无法识别，仍显示转义字符串。
• 用mongoimport导入JSON数组：
  先执行R代码：

  d <- data.frame(id=c(1,2),unicode=c("m͐pini̍s̓1u","a͐mpi̍η"))
  js <- toJSON(d, dataframe = "rows", pretty = T)
  write(js, "jstest.json")
  

  再执行导入命令：

  mongoimport -d test -c newcoll --type json --file jstest.json --jsonArray
  

  导入后MongoDB文档仍显示转义串：

  { "_id" : ObjectId("666b08603505c9daeb20edc7"), "id" : 1, "unicode" : "m\u0350pini\u030Ds\u03131u" }
  { "_id" : ObjectId("666b08603505c9daeb20edc8"), "id" : 2, "unicode" : "a\u0350mpi\u030D\u03B7" }
  

  只有手动插入带单个反斜杠的文档才能正常显示Unicode符号，但批量处理上千条数据无法手动操作。

问题核心是jsonlite默认会将Unicode字符转义为\uXXXX格式，且写入文件时会再次转义反斜杠，导致MongoDB读取的是转义后的字符串而非原始Unicode字符。可通过以下步骤解决：

1. 导出JSON时保留原始Unicode字符 #

修改toJSON参数，禁用Unicode转义，并使用writeLines避免额外转义：

library(jsonlite)
d <- data.frame(id=c(1,2),unicode=c("m͐pini̍s̓1u","a͐mpi̍η"))
# 禁用Unicode转义，直接输出原始字符；auto_unbox简化JSON结构
js <- toJSON(d, dataframe = "rows", pretty = T, auto_unbox = T, unicode = FALSE)
# writeLines不会额外转义反斜杠，直接写入原始JSON内容
writeLines(js, "jstest.json")

关键参数说明：

• unicode = FALSE：让jsonlite直接保留原始Unicode字符，不转义为\uXXXX序列。
• writeLines：替代write，避免写入时自动添加额外反斜杠。

2. 执行mongoimport导入 #

运行原导入命令即可：

mongoimport -d test -c newcoll --type json --file jstest.json --jsonArray

3. 验证结果 #

导入后在MongoDB Compass中查看文档，Unicode修饰字符会正常显示：

{ "_id" : ObjectId("xxxxxx"), "id" : 1, "unicode" : "m͐pini̍s̓1u" }
{ "_id" : ObjectId("xxxxxx"), "id" : 2, "unicode" : "a͐mpi̍η" }

内容的提问来源于stack exchange，提问作者eazyezy