如何在R中解析同来源的两个JSON文件（其一解析失败）

一、JSON文件的核心差异 #

• 编码不兼容：无法解析的JSON（file1）包含无效UTF-8字节，错误提示中可见乱码12�??14；可正常解析的JSON（file2）采用标准UTF-8编码，无此类问题。
• 读取完整性问题：readLines报错premature EOF，说明file1在读取时被截断，根源是服务器响应的编码不兼容导致读取中断，而非文件本身结构不完整。

二、通用解决方法 #

方法1：用httr获取内容并处理编码（推荐） #

直接用jsonlite或rjson读取URL时，无法正确处理非UTF-8编码的响应，建议先用httr获取原始内容，再转换为标准UTF-8：

library(httr)
library(jsonlite)

# 封装解析函数，适合批量遍历场景
parse_pubchem_json <- function(pubchem_url) {
  # 获取服务器原始响应
  resp <- GET(pubchem_url)
  # 将二进制内容转为字符，指定原编码为ISO-8859-1并转为UTF-8，自动替换无效字节
  clean_content <- iconv(rawToChar(content(resp, "raw")), 
                         from = "ISO-8859-1", 
                         to = "UTF-8", 
                         sub = "")
  # 解析处理后的JSON内容
  jsonlite::fromJSON(clean_content)
}

# 测试示例链接
file1 <- "https://pubchem.ncbi.nlm.nih.gov/rest/pug_view/data/compound/24750/JSON/?response_type=display.json"
file2 <- "https://pubchem.ncbi.nlm.nih.gov/rest/pug_view/data/compound/177/JSON/?response_type=display.json"

parsed1 <- parse_pubchem_json(file1)
parsed2 <- parse_pubchem_json(file2)

方法2：适配rjson包的处理方式 #

如果需要使用rjson，同样先处理编码再解析：

library(rjson)
library(httr)

parse_with_rjson <- function(pubchem_url) {
  resp <- GET(pubchem_url)
  clean_content <- iconv(rawToChar(content(resp, "raw")), 
                         from = "ISO-8859-1", 
                         to = "UTF-8", 
                         sub = "")
  rjson::fromJSON(clean_content)
}

parsed1 <- parse_with_rjson(file1)

关键注意点 #

• PubChem部分化合物的JSON数据采用ISO-8859-1编码存储特殊字符，直接按UTF-8读取会触发编码错误，iconv的sub参数可自动替换无效字节，避免解析中断。
• 使用httr::GET能确保完整获取服务器响应，解决readLines出现的内容截断问题。

内容的提问来源于stack exchange，提问作者lawsq