如何在R的read_csv中保留双引号以读取JSON数据

问题根源 #

你的CSV文件中，存储JSON的字段内的双引号未遵循CSV标准转义规则。标准CSV要求字段内的双引号必须用连续两个双引号（""）表示，否则解析器会将内部双引号误判为字段结束标记，导致引号丢失。

解决方案 #

方案1：修复CSV文件格式（推荐） #

修改CSV中JSON字段的内容，将内部双引号替换为连续两个双引号。修改后的CSV内容如下：

A,B,C
1,2,"[{""C1"":""C6.bmp"",""C2"": ""C5.bmp""}]"
3,4,"[{""C1"":""C6.bmp"",""C2"": ""C5.bmp""}]"
5,6,"[{""C1"":""C6.bmp"",""C2"": ""C5.bmp""}]"
7,8,"[{""C1"":""C6.bmp"",""C2"": ""C5.bmp""}]"

此时用read_csv读取即可保留JSON中的双引号：

json_data <- read_csv("test.csv")

方案2：调整解析参数（无需修改CSV） #

如果无法修改原CSV文件，可使用readr包的read_delim函数，指定quote参数为无意义字符，让解析器不处理字段内的双引号：

library(readr)
json_data <- read_delim("test.csv", delim = ",", quote = '')

读取完成后，C列会保留完整的JSON格式，可直接传入fromJSON解析。

方案3：手动恢复双引号（应急方案） #

若上述方法均不可用，可在读取后通过字符串替换手动恢复双引号（仅适用于JSON结构固定的场景）：

library(stringr)
json_data$C <- str_replace_all(json_data$C, "(\\w+):(\\w+\\.\\w+)", "\"\\1\":\"\\2\"")

替换后即可正常使用fromJSON解析C列数据。

内容的提问来源于stack exchange，提问作者nclaidiere