如何在嵌套列表中自动查找元素路径（含无命名元素场景）

针对网页抓取中从JSON解析的嵌套列表（含无命名元素），可以通过递归遍历实现自动定位指定值的路径，生成的路径可直接传入purrr::pluck调用，无需手动推导索引。

实现递归查找函数 #

以下函数会遍历嵌套列表，返回所有匹配目标值的路径（路径为混合字符/数字的向量，直接兼容pluck）：

library(purrr)

find_element_paths <- function(lst, target, current_path = c()) {
  paths <- list()
  
  # 遍历列表的每个元素，同时获取名称/索引
  for (i in seq_along(lst)) {
    elem <- lst[[i]]
    # 确定当前节点的标识：有名称用名称，无名称用索引
    node_id <- if (!is.null(names(lst)) && names(lst)[i] != "") names(lst)[i] else i
    
    # 如果当前元素是列表，递归查找
    if (is.list(elem)) {
      sub_paths <- find_element_paths(elem, target, c(current_path, node_id))
      paths <- c(paths, sub_paths)
    } else {
      # 如果匹配目标值，记录当前路径
      if (elem == target) {
        paths <- c(paths, list(c(current_path, node_id)))
      }
    }
  }
  
  paths
}

测试案例 #

1. 含无命名元素的列表（用户示例l2） #

l2 <- list(x = list("no_match", list("test_noname1", "test_noname2")), y = list(a = "test_name"))

# 查找"test_noname1"的路径
paths <- find_element_paths(l2, "test_noname1")
paths
# [[1]]
# [1] "x" 2 1

# 直接用pluck访问元素
pluck(l2, !!!paths[[1]])
# [1] "test_noname1"

2. 全命名嵌套列表（用户示例l1） #

l1 <- list(x = list(a = "no_match", b = "test_noname", c ="test_noname"),
           y = list(a = "test_name"))

# 查找"test_noname"的所有路径
paths <- find_element_paths(l1, "test_noname")
paths
# [[1]]
# [1] "x" "b"
# [[2]]
# [1] "x" "c"

# 访问第一个匹配元素
pluck(l1, !!!paths[[1]])
# [1] "test_noname"

获取同级未知元素 #

找到目标元素路径后，只需去掉路径的最后一个节点，即可获取父节点路径，进而提取同级元素：

# 以l2中"test_noname1"为例，获取其同级的"test_noname2"
target_path <- paths[[1]]
parent_path <- target_path[-length(target_path)]

# 父节点是l2[["x"]][[2]]，直接取所有子元素
pluck(l2, !!!parent_path)
# [[1]]
# [1] "test_noname1"
# [[2]]
# [1] "test_noname2"

# 直接取第二个同级元素
pluck(l2, !!!parent_path, 2)
# [1] "test_noname2"

内容的提问来源于stack exchange，提问作者JBGruber