如何在R语言中解析包含多个堆叠JSON的文件？

你遇到的问题很典型——这个文件是换行分隔JSON（NDJSON）（也叫堆叠JSON），不是标准的JSON数组，所以jsonlite::fromJSON()直接读取会报错，因为标准JSON要求多个对象必须包裹在数组里并用逗号分隔，而你的文件是多个独立的JSON对象连在一起（或每行一个）。下面给你几种可靠的解决方案：

方法1：用jsonlite::stream_in()（推荐，适合大文件） #

stream_in()是jsonlite专门为处理NDJSON设计的函数，它会逐行读取并解析JSON对象，自动拼接成data.frame：

library(jsonlite)

# 打开文件连接
con <- file("example1.json")
# 读取并解析NDJSON
foobar <- stream_in(con)
# 记得关闭连接
close(con)

# 如果只需要特定字段（比如Timestamp和Usefulness）
selected_df <- foobar[, c("Timestamp", "Usefulness")]
print(selected_df)

运行后就能得到你想要的结果：

Timestamp Usefulness
1   20140101        Yes
2   20140102         No
3   20140103         No

方法2：预处理文件为标准JSON数组（适合小文件） #

如果你的文件是多个JSON对象连在一起（没有换行），可以先把它转换成标准的JSON数组再解析：

library(jsonlite)

# 读取原始文本
raw_text <- paste(readLines("example1.json", warn = FALSE), collapse = "")
# 在每个独立JSON对象之间添加逗号，并包裹成数组
json_array <- paste0("[", gsub("\\}\\s*\\{", "},{", raw_text), "]")
# 解析成data.frame
foobar <- fromJSON(json_array)

# 提取特定字段
selected_df <- foobar[, c("Timestamp", "Usefulness")]

这种方法适合小文件，大文件可能会占用较多内存。

方法3：用data.table高效处理（适合超大文件） #

如果你的文件非常大，用data.table的fread结合逐行解析会更高效：

library(data.table)
library(jsonlite)

# 读取每行JSON字符串
dt <- fread("example1.json", header = FALSE, col.names = "json_str")
# 逐行解析并合并成data.table
dt_parsed <- rbindlist(lapply(dt$json_str, fromJSON))
# 选择需要的字段
selected_dt <- dt_parsed[, .(Timestamp, Usefulness)]
print(selected_dt)

为什么原来的代码报错？ #

fromJSON()默认只识别标准JSON格式——要么是单个JSON对象，要么是一个包含多个对象的数组（对象之间用逗号分隔）。你的文件是多个独立的JSON对象直接拼接，没有数组包裹和逗号分隔，所以解析器会在第二个对象的开头（{"ID":"1A35B"...）抛出语法错误。

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