R Academy · Lektion

JSON mit jsonlite parsen

Wandeln Sie JSON-Zeichenketten mit fromJSON() in R-Listen und Data Frames um

JSON mit jsonlite parsen ist eine kostenlose R Academy-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des R Academy-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der R Academy-Kurs umfasst insgesamt 4 Lektionen.

Was ist JSON?

JSON (JavaScript Object Notation) ist das universelle Datenaustauschformat für APIs und Webdienste. Das R-Paket jsonlite konvertiert JSON gemäß Tidy-Konventionen in R-Objekte (Listen, Dataframes) und zurück.

library(jsonlite)
# JSON looks like:
# { "name": "Alice", "age": 30, "active": true }

# fromJSON parses JSON string to R object
json_str <- '{"name":"Alice","age":30,"active":true}'
result <- fromJSON(json_str)
class(result)   # 'list'
result$name     # 'Alice'
result$age      # 30 (numeric)
result$active   # TRUE (logical)

fromJSON(): Grundlegendes Parsen

fromJSON(txt) parst einen JSON-String, eine URL oder einen Dateipfad. JSON-Typen werden automatisch konvertiert: Strings → character, Zahlen → numeric, boolesche Werte → logical, null → NA, Arrays → Vektoren, Objekte → benannte Listen.

library(jsonlite)
# Parsing different JSON types
fromJSON('"hello"')         # character: 'hello'
fromJSON('42')               # numeric: 42
fromJSON('true')             # logical: TRUE
fromJSON('null')             # NA
fromJSON('[1, 2, 3]')        # numeric vector: c(1,2,3)
fromJSON('["a", "b", "c"]') # character vector

# Nested object
json <- '{"x": 1, "y": [2, 3], "z": null}'
obj <- fromJSON(json)
obj$x  # 1
obj$y  # c(2, 3)
obj$z  # NA

toJSON(): R in JSON serialisieren

toJSON(x) konvertiert R-Objekte in JSON-Strings. Verwenden Sie auto_unbox=TRUE, um Vektoren der Länge 1 in JSON-Skalare (keine Arrays) zu konvertieren. pretty=TRUE fügt zur besseren Lesbarkeit Einrückungen hinzu.

library(jsonlite)
# Basic serialization
toJSON(c(1, 2, 3))          # '[1,2,3]'
toJSON(list(a=1, b='two'))  # '{"a":[1],"b":["two"]}'

# auto_unbox: length-1 vectors become scalars
toJSON(list(name='Bob', age=25), auto_unbox = TRUE)
# '{"name":"Bob","age":25}'

# pretty printing
cat(toJSON(list(x=1, y=c(2,3)), pretty = TRUE))
# {
#   "x": [1],
#   "y": [2, 3]
# }

JSON-Arrays in Data Frames

JSON-Arrays aus Objekten werden mit fromJSON() automatisch in Data Frames umgewandelt. Das ist eine der nützlichsten Funktionen von jsonlite – API-Antworten bestehen häufig aus Arrays von Datensätzen, die sich ideal für Data Frames eignen.

library(jsonlite)
# JSON array of objects -> data frame
json_array <- '[
  {"name": "Alice", "age": 30, "score": 95},
  {"name": "Bob",   "age": 25, "score": 87},
  {"name": "Carol", "age": 35, "score": 92}
]'

df <- fromJSON(json_array)
class(df)   # 'data.frame'
nrow(df)    # 3
print(df)
# name age score
# Alice  30    95
# Bob    25    87
# Carol  35    92

Data Frame in JSON umwandeln

Die Umwandlung eines Data Frames in JSON mit toJSON(df) erzeugt ein JSON-Array aus Objekten (je eines pro Zeile). Dies ist das Standardformat, um tabellarische Daten an Web-APIs zu senden.

library(jsonlite)
df <- data.frame(
  product = c('Apple', 'Banana', 'Cherry'),
  price   = c(1.20, 0.50, 3.00),
  in_stock = c(TRUE, TRUE, FALSE),
  stringsAsFactors = FALSE
)

# Default: each value is an array (even scalars)
cat(toJSON(df, pretty = FALSE))

# auto_unbox: single values become JSON scalars
cat('\n---\n')
cat(toJSON(df, auto_unbox = TRUE, pretty = TRUE))

fromJSON() von einer URL

fromJSON(url) kann JSON direkt von einer URL abrufen und verarbeiten. Dies ist die einfachste Möglichkeit, eine öffentliche JSON-API aufzurufen, für die keine Authentifizierung erforderlich ist.

library(jsonlite)
# Read JSON directly from a URL (requires internet)
# Example: JSONPlaceholder (free test API)
# result <- fromJSON('https://jsonplaceholder.typicode.com/todos/1')
# result$title   # todo title
# result$completed  # TRUE/FALSE

# Example: GitHub API
# repos <- fromJSON('https://api.github.com/users/hadley/repos')
# repos$name   # vector of repo names
# nrow(repos)  # number of repos returned

# Simulate with local JSON string:
result <- fromJSON('{"id":1,"title":"Learn R","completed":false}')
cat('Task:', result$title, '\nDone:', result$completed)

prettify() und minify()

prettify(json_string) fügt Einrückungen und Zeilenumbrüche hinzu, damit Menschen den Inhalt besser lesen können. minify(json_string) entfernt Leerraum für eine kompakte Übertragung. Beide Funktionen arbeiten mit rohen JSON-Zeichenfolgen.

library(jsonlite)
# Compact (minified) JSON
compact_json <- '{"name":"Alice","scores":[95,87,92],"active":true}'
cat('Minified:\n', compact_json, '\n\n')

# Prettify: add whitespace
cat('Prettified:\n')
cat(prettify(compact_json))
# {
#   "name": "Alice",
#   "scores": [95, 87, 92],
#   "active": true
# }

# Minify: remove whitespace
pretty_json <- prettify(compact_json)
cat('\nRe-minified:\n')
cat(minify(pretty_json))

flatten=TRUE für verschachtelte Objekte

Wenn JSON verschachtelte Objekte enthält, wandelt fromJSON(json, flatten=TRUE) verschachtelte Schlüssel in Spaltennamen mit Punkten um. Dadurch lässt sich das Ergebnis leichter als Data Frame verarbeiten, ohne die Daten manuell entpacken zu müssen.

library(jsonlite)
json <- '[
  {"id": 1, "user": {"name": "Alice", "city": "NY"}},
  {"id": 2, "user": {"name": "Bob",   "city": "LA"}}
]'

# Without flatten: nested list column
df_nested <- fromJSON(json)
class(df_nested$user)   # data.frame (nested!)

# With flatten: flat column names
df_flat <- fromJSON(json, flatten = TRUE)
names(df_flat)     # c('id', 'user.name', 'user.city')
print(df_flat)
# id user.name user.city
#  1     Alice        NY
#  2       Bob        LA

JSON mit NA und fehlenden Schlüsseln verarbeiten

JSON-null wird in R zu NA. Fehlende Schlüssel in JSON-Arrays (wenn ein Datensatz ein Feld enthält, das in einem anderen fehlt) werden im resultierenden Data Frame mit NA aufgefüllt.

library(jsonlite)
# JSON with null values
json_nulls <- '{"a": 1, "b": null, "c": "hello"}'
obj <- fromJSON(json_nulls)
obj$b  # NA
is.na(obj$b)  # TRUE

# Array with missing keys
json_missing <- '[
  {"name": "Alice", "age": 30, "email": "a@b.com"},
  {"name": "Bob",   "age": 25}
]'
# 'email' missing from second record
df <- fromJSON(json_missing)
print(df)
# name age    email
# Alice  30  a@b.com
# Bob    25     <NA>

JSON in Dateien schreiben

Verwenden Sie write_json() (oder writeLines(toJSON(x), file)), um R-Objekte als JSON-Dateien zu speichern. Dies ist das Standardausgabeformat für den Austausch von Daten mit Webanwendungen oder APIs.

library(jsonlite)
results <- list(
  model = 'linear_regression',
  coefficients = list(intercept = 2.5, slope = 1.3),
  r_squared = 0.87,
  n_obs = 100
)

# Convert to JSON string
json_output <- toJSON(results, auto_unbox = TRUE, pretty = TRUE)
cat(json_output)

# Save to file (uncomment):
# write_json(results, 'model_results.json',
#            auto_unbox = TRUE, pretty = TRUE)
# Or equivalently:
# writeLines(json_output, 'model_results.json')

JSON validieren

validate(json_string) aus jsonlite prüft, ob eine Zeichenfolge gültiges JSON enthält, und gibt TRUE/FALSE zurück. Das ist besonders vor dem Parsen nützlich, etwa bei Benutzereingaben oder API-Antworten, die fehlerhaft formatiert sein könnten.

library(jsonlite)
# Valid JSON
validate('{"name": "Alice", "age": 30}')  # TRUE
validate('[1, 2, 3]')                       # TRUE
validate('"just a string"')                # TRUE

# Invalid JSON
validate('{name: Alice}')     # FALSE (unquoted keys)
validate('[1, 2, 3,]')        # FALSE (trailing comma)
validate('')                   # FALSE

# Safe parsing pattern
safe_parse <- function(json) {
  if (!validate(json)) {
    warning('Invalid JSON')
    return(NULL)
  }
  fromJSON(json)
}
safe_parse('{"x": 1}')
safe_parse('{bad json}')

Kurzer Test

Testen Sie Ihr Wissen über das Parsen von JSON mit jsonlite in R.

Zusammenfassung: JSON mit jsonlite

Wichtige Erkenntnisse: fromJSON() parst JSON-Zeichenfolgen, URLs und Dateien in R-Listen oder Data Frames. toJSON() wandelt R in JSON um – verwenden Sie auto_unbox=TRUE für skalare Werte. prettify()/minify() formatieren Zeichenfolgen. flatten=TRUE flacht verschachtelte Objekte ab. JSON-null wird zu NA. validate() prüft vor dem Parsen, ob JSON gültig ist.

library(jsonlite)
# Complete jsonlite workflow:

# Parse
df <- fromJSON('[{"a":1,"b":2},{"a":3,"b":4}]')
print(df)

# Serialize
json <- toJSON(df, auto_unbox = TRUE, pretty = FALSE)
cat(json, '\n')

# Flatten nested
nested <- fromJSON(
  '[{"id":1,"x":{"val":10}},{"id":2,"x":{"val":20}}]',
  flatten = TRUE
)
print(nested)

# Validate before parse
validate('{"key": "value"}')  # TRUE

Häufig gestellte Fragen

Ist die Lektion „JSON mit jsonlite parsen“ kostenlos?

Ja — der vollständige Text von „JSON mit jsonlite parsen“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des R Academy-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der R Academy-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „JSON mit jsonlite parsen“?

Wandeln Sie JSON-Zeichenketten mit fromJSON() in R-Listen und Data Frames um Du übst R Academy mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um R Academy zu starten?

Keine Vorkenntnisse erforderlich. R Academy auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.

Wie lange dauert die Lektion „JSON mit jsonlite parsen“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser R Academy-Lektion Code schreiben und ausführen?

Ja. Jede R Academy-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

JSON mit jsonlite parsen
HTTP-Anfragen mit httr2 senden
REST-APIs in R verwenden
Verschachtelte JSON-Strukturen verarbeiten

← Zurück zu R Academy