Разбор JSON с помощью jsonlite
Преобразуйте строки JSON в списки и таблицы данных R с помощью fromJSON()
«Разбор JSON с помощью jsonlite» — бесплатный урок R Academy на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения R Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс R Academy содержит 4 уроков всего.
Что такое JSON
JSON (JavaScript Object Notation) — универсальный формат обмена данными для API и веб-служб. Пакет jsonlite в R преобразует JSON в объекты R (списки, таблицы данных) и обратно, следуя принципам tidy-данных.
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$active # TRUE (logical)fromJSON(): базовый разбор
fromJSON(txt) разбирает строку JSON, URL или путь к файлу. Он автоматически преобразует типы JSON: строки → character, числа → numeric, логические значения → logical, null → NA, массивы → векторы, объекты → именованные списки.
library(jsonlite)
# Parsing different JSON types
fromJSON('"hello"') # character: 'hello'
fromJSON('42') # numeric: 42
fromJSON('true') # logical: TRUE
fromJSON('null') # NA
fromJSON('[1, 2, 3]') # numeric vector: c(1,2,3)
fromJSON('["a", "b", "c"]') # character vector
# Nested object
json <- '{"x": 1, "y": [2, 3], "z": null}'
obj <- fromJSON(json)
obj$x # 1
obj$y # c(2, 3)
obj$z # NAtoJSON(): сериализация R в JSON
toJSON(x) преобразует объекты R в строки JSON. Используйте auto_unbox=TRUE, чтобы преобразовать векторы длины 1 в скаляры JSON, а не в массивы. pretty=TRUE добавляет отступы для удобства чтения.
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]
# }Преобразование массивов JSON в таблицы данных
Массивы объектов JSON автоматически преобразуются в таблицы данных с помощью fromJSON(). Это одна из самых полезных возможностей jsonlite: ответы API часто представляют собой массивы записей, идеально подходящие для таблиц данных.
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 92Преобразование таблицы данных в JSON
Преобразование таблицы данных в JSON с помощью toJSON(df) создаёт массив объектов JSON — по одному для каждой строки. Это стандартный формат отправки табличных данных веб-API.
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() из URL
fromJSON(url) может напрямую получить и разобрать JSON по URL. Это самый простой способ вызвать общедоступный JSON API, не требующий аутентификации.
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$completed)prettify() и minify()
prettify(json_string) добавляет отступы и переводы строк для удобства чтения. minify(json_string) удаляет пробелы для компактной передачи. Обе функции работают со строками необработанного JSON.
library(jsonlite)
# Compact (minified) JSON
compact_json <- '{"name":"Alice","scores":[95,87,92],"active":true}'
cat('Minified:\n', compact_json, '\n\n')
# Prettify: add whitespace
cat('Prettified:\n')
cat(prettify(compact_json))
# {
# "name": "Alice",
# "scores": [95, 87, 92],
# "active": true
# }
# Minify: remove whitespace
pretty_json <- prettify(compact_json)
cat('\nRe-minified:\n')
cat(minify(pretty_json))flatten=TRUE для вложенных объектов
Если JSON содержит вложенные объекты, fromJSON(json, flatten=TRUE) преобразует вложенные ключи в имена столбцов с точками. Благодаря этому с данными проще работать как с таблицей, не выполняя распаковку вручную.
library(jsonlite)
json <- '[
{"id": 1, "user": {"name": "Alice", "city": "NY"}},
{"id": 2, "user": {"name": "Bob", "city": "LA"}}
]'
# Without flatten: nested list column
df_nested <- fromJSON(json)
class(df_nested$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 LAОбработка NA и отсутствующих ключей в JSON
Значение null в JSON преобразуется в NA в R. Отсутствующие ключи в массивах JSON (когда в одной записи есть поле, которого нет в другой) заполняются значением NA в получившейся таблице данных.
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>Запись JSON в файлы
Используйте write_json() (или writeLines(toJSON(x), file)), чтобы сохранить объекты R в виде файлов JSON. Это стандартный формат вывода для обмена данными с веб-приложениями и API.
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')Проверка JSON
validate(json_string) из jsonlite проверяет, является ли строка корректным JSON, и возвращает TRUE/FALSE. Это полезно делать перед разбором, особенно при обработке пользовательских данных или ответов API, которые могут иметь неверный формат.
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}')Быстрая проверка
Проверьте свои знания о разборе JSON с помощью jsonlite в R.
Итоги: JSON с jsonlite
Главное: fromJSON() разбирает строки JSON, URL и файлы, преобразуя их в списки или таблицы данных R. toJSON() преобразует данные R в JSON — для скалярных значений используйте auto_unbox=TRUE. prettify()/minify() форматируют строки. flatten=TRUE распрямляет вложенные объекты. Значение null в JSON становится NA. validate() проверяет корректность JSON перед разбором.
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"}') # TRUEЧасто задаваемые вопросы
Урок «Разбор JSON с помощью jsonlite» бесплатный?
Да — полный текст урока «Разбор JSON с помощью jsonlite» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс R Academy, подпишись на CoddyKit PRO. Курс R Academy содержит 4 уроков всего.
Чему я научусь в уроке «Разбор JSON с помощью jsonlite»?
Преобразуйте строки JSON в списки и таблицы данных R с помощью fromJSON() Ты практикуешь R Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать R Academy?
Предыдущий опыт не требуется. R Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.
Сколько времени занимает урок «Разбор JSON с помощью jsonlite»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке R Academy?
Да. Каждый урок R Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Разбор JSON с помощью jsonlite
- Выполнение HTTP-запросов с помощью httr2
- Работа с REST API в R
- Работа с вложенными структурами JSON