在R语言中从数据框行内的字符串提取名称字段内容

嘿，刚接触R语言文本分析不用发愁！你的每行文本其实是类JSON数组格式，只是用了单引号（JSON标准要求双引号），我们只需要做一点点转换，再借助专门的工具包就能轻松提取出名称啦。

步骤1：模拟你的数据框（方便对照） #

先假设你的数据框是这样的（和你描述的格式完全一致）：

df <- data.frame(
  sports = c(
    "[{'id': 16, 'name': 'Soccer'}, {'id': 35, 'name': 'Basketball'}, {'id': 10751, 'name': 'Boxing'}]",
    "[{'id': 20, 'name': 'Tennis'}, {'id': 40, 'name': 'Swimming'}]"
  ),
  stringsAsFactors = FALSE
)

步骤2：安装并加载必要的包 #

我们需要用jsonlite解析JSON格式文本，用dplyr简化数据框操作（基础R也能实现，后面会补充）：

install.packages(c("jsonlite", "dplyr"))
library(jsonlite)
library(dplyr)

步骤3：提取名称字段 #

核心思路是：先把单引号替换成双引号（转成合法JSON），再解析JSON并提取name值：

df <- df %>%
  mutate(
    # 全局替换单引号为双引号，让文本符合JSON规范
    sports_json = gsub("'", "\"", sports),
    # 逐行解析JSON，提取name字段并合并为字符串（也可以保留列表格式）
    sport_names = sapply(sports_json, function(x) {
      parsed_data <- fromJSON(x)
      paste(parsed_data$name, collapse = ", ")  # 用逗号分隔多个名称，按需调整分隔符
    })
  )

如果你习惯用基础R实现，也可以这么写：

# 基础R版本
df$sport_names <- sapply(df$sports, function(x) {
  clean_json <- gsub("'", "\"", x)
  parsed_data <- fromJSON(clean_json)
  paste(parsed_data$name, collapse = ", ")
})

结果展示 #

运行后你的数据框会新增sport_names列，内容示例如下：

特殊情况小提示 #

如果你的文本中存在名称里带单引号的特殊情况（比如name: 'O'Neil'），全局替换单引号会出错，这时候可以用更精准的正则替换，只替换键名和标点周围的单引号：

# 精准替换：只替换键名（比如'id'、'name'）的单引号，以及对象首尾的单引号
sports_json <- gsub("(?<=\\[|, )'(.*?)':|'(?=\\])|'(?=, )", "\"", sports, perl = TRUE)

内容的提问来源于stack exchange，提问作者user36729