如何将标签式JSON文本拆分并映射为DataFrame的列名与对应值？

嗨，我完全懂你遇到的困扰——手动用strsplit处理带嵌套结构的JSON文本简直是给自己挖坑！普通的字符分隔根本识别不了JSON里的层级关系，像topics-group这种带嵌套数组的字段，很容易被错误拆分。其实R里有专门处理JSON的工具，能完美搞定这个需求，而且比手动拆分靠谱多了！

推荐方法：用jsonlite包处理JSON #

jsonlite是R中处理JSON数据的标准工具之一，它能正确解析JSON的层级结构，还能轻松转换成你想要的DataFrame格式。

步骤1：安装并加载包 #

install.packages("jsonlite")
library(jsonlite)

步骤2：解析JSON并转换为目标DataFrame #

你的原始JSON文本已经是转义后的字符串，直接用fromJSON解析即可。因为你希望把嵌套的topics和topics-group保留为JSON字符串格式，所以解析后需要把这两个字段再转回JSON：

# 你的原始文本
text <- "{\"article_id\":-41,\"word-count\":379,\"article_date\":05012017,\"source\":\"news::abc\",\"author\":\"Peter K\",\"title\":\"The rise of AI\",\"topics\":{\"Business\":10, \"Computer\":5},\"topics-group\":[{\"primary\":\"Business\",\"secondary\":\"Computer\"}]}"

# 解析JSON为列表（simplifyVector=FALSE避免自动展开嵌套结构）
parsed_json <- fromJSON(text, simplifyVector = FALSE)

# 将嵌套字段转回JSON字符串
parsed_json$topics <- toJSON(parsed_json$topics, auto_unbox = TRUE)
parsed_json$`topics-group` <- toJSON(parsed_json$`topics-group`, auto_unbox = TRUE)

# 转换为DataFrame
data <- as.data.frame(parsed_json, stringsAsFactors = FALSE)

验证结果 #

运行后你会得到和期望完全一致的DataFrame：

> data
  article_id word-count article_date     source  author             title                          topics                                  topics-group
1        -41        379     5012017 news::abc Peter K The rise of AI {"Business":10,"Computer":5} [{"primary":"Business","secondary":"Computer"}]

为什么strsplit不行？ #

strsplit是基于简单的字符匹配来拆分文本，它没办法识别JSON中嵌套的{}、[]里的逗号——这些逗号是嵌套结构的一部分，不是字段分隔符。所以用,\"作为分隔符时，会错误地把topics-group里的逗号当成拆分点，导致字段被拆成两半。而jsonlite是专门为JSON设计的解析器，能准确识别层级结构，完全不会出现这种问题。

扩展：批量处理多个JSON文本 #

如果你的数据是一列包含多个JSON字符串的向量，可以用lapply批量处理，再用dplyr::bind_rows合并成一个DataFrame：

# 示例：两个JSON字符串的向量
text_vector <- c(text, text)

# 批量解析并转换
parsed_list <- lapply(text_vector, function(x) {
  json <- fromJSON(x, simplifyVector = FALSE)
  json$topics <- toJSON(json$topics, auto_unbox = TRUE)
  json$`topics-group` <- toJSON(json$`topics-group`, auto_unbox = TRUE)
  as.data.frame(json, stringsAsFactors = FALSE)
})

# 合并为DataFrame
library(dplyr)
data <- bind_rows(parsed_list)

内容的提问来源于stack exchange，提问作者dunguyen