如何提取tidyrss嵌套tibble指定字段并整理，忽略非tibble元素

解决方案 #

直接用purrr系列函数过滤无效元素，再提取目标字段展平：

假设你的数据框名为rss_df，存储嵌套内容的列是feed_data（替换成你实际的列名），代码如下：

library(tidyverse)

cleaned_rss <- rss_df %>%
  # 过滤掉列表元素不是tibble的行
  filter(map_lgl(feed_data, is_tibble)) %>%
  # 对每个tibble提取需要的四个字段
  mutate(extracted_items = map(feed_data, select, item_title, item_link, item_description, item_pub_date)) %>%
  # 展平嵌套数据成规范表格
  unnest(extracted_items)

关键步骤说明 #

• map_lgl(feed_data, is_tibble)：遍历列表列的每个元素，判断是否为tibble，返回逻辑向量用于过滤，直接排除函数类无效元素。
• map(feed_data, select, ...)：对每个合法的tibble，仅保留指定的四个字段，避免多余数据干扰。
• unnest(extracted_items)：将嵌套的tibble展开成一行一条内容的标准表格结构。

如果你的数据有更深层次的嵌套，比如tibble里还有子列表，可以在map里添加unnest()处理，示例：

mutate(extracted_items = map(feed_data, ~ .x %>% unnest() %>% select(item_title, item_link, item_description, item_pub_date)))

内容的提问来源于stack exchange，提问作者Christopher Penn