0Pricing
R Academy · 课时

使用 jsonlite 解析 JSON

使用 fromJSON() 将 JSON 字符串转换为 R 列表和数据框

使用 jsonlite 解析 JSON 是 CoddyKit 上的免费 R Academy 课时。 这是第 1 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 R Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 R Academy 课程共包含 4 节课。

什么是 JSON？

JSON（JavaScript 对象表示法）是 API 和网络服务通用的数据交换格式。R 的 jsonlite 程序包可以按照整洁数据约定，将 JSON 转换为 R 对象（列表、数据框），也可以执行反向转换。

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()：基本解析

fromJSON(txt) 可以解析 JSON 字符串、URL 或文件路径。它会自动转换 JSON 类型：字符串 → 字符型，数字 → 数值型，布尔值 → 逻辑型，null → NA，数组 → 向量，对象 → 命名列表。

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()：将 R 序列化为 JSON

toJSON(x) 将 R 对象转换为 JSON 字符串。使用 auto_unbox=TRUE 可将长度为 1 的向量转换为 JSON 标量（而不是数组）。pretty=TRUE 会添加缩进，提升可读性。

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 数组转换为数据框

对象组成的 JSON 数组会通过 fromJSON() 自动转换为数据框。这是 jsonlite 最实用的功能之一——API 响应通常就是由记录组成的数组，非常适合转换为数据框。

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

数据框转换为 JSON

使用 toJSON(df) 将数据框转换为 JSON 时，会生成一个对象数组（每行对应一个对象）。这是向 Web API 发送表格数据的标准格式。

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))

从 URL 调用 fromJSON()

fromJSON(url) 可以直接从 URL 获取并解析 JSON。这是调用无需身份验证的公共 JSON API 的最简单方式。

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() 和 minify()

prettify(json_string) 会添加缩进和换行，以便人类阅读。minify(json_string) 会移除空白字符，以便紧凑传输。两者都作用于原始 JSON 字符串。

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))

使用 flatten=TRUE 处理嵌套对象

当 JSON 包含嵌套对象时，fromJSON(json, flatten=TRUE) 会将嵌套键展开为带点号的数据列名，这样无需手动取消嵌套，就能更方便地将其作为数据框处理。

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

处理带有 NA 和缺失键的 JSON

JSON 中的 null 会映射为 R 的 NA。如果 JSON 数组中的某条记录缺少其他记录具有的字段，生成的数据框会用 NA 填充这些缺失键。

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>

将 JSON 写入文件

使用 write_json()（或 writeLines(toJSON(x), file)）将 R 对象保存为 JSON 文件。这是与 Web 应用或 API 共享数据的标准输出格式。

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')

验证 JSON

jsonlite 中的 validate(json_string) 会检查字符串是否为有效 JSON，并返回 TRUE/FALSE。在解析之前进行检查很有用，尤其是在处理用户输入或可能格式错误的 API 响应时。

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}')

快速检查

测试您对 R 中使用 jsonlite 解析 JSON 的掌握程度。

回顾：使用 jsonlite 处理 JSON

要点： fromJSON() 可将 JSON 字符串、URL 和文件解析为 R 列表或数据框。toJSON() 可将 R 对象转换为 JSON——对于标量，请使用 auto_unbox=TRUE。prettify()/minify() 用于格式化字符串。flatten=TRUE 用于展开嵌套对象。JSON null 会变为 NA。validate() 会在解析前检查 JSON 是否有效。

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

常见问题解答

「使用 jsonlite 解析 JSON」课时是免费的吗？

是的 — 「使用 jsonlite 解析 JSON」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 R Academy 课程的其余内容，请升级到 CoddyKit PRO。 R Academy 课程共包含 4 节课。

「使用 jsonlite 解析 JSON」这节课中我会学到什么？

使用 fromJSON() 将 JSON 字符串转换为 R 列表和数据框 你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 R Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 R Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 1 节课，共 4 节。

「使用 jsonlite 解析 JSON」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 R Academy 课中编写并运行代码吗？

能。每节 R Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

  1. 使用 jsonlite 解析 JSON
  2. 使用 httr2 发起 HTTP 请求
  3. 在 R 中调用 REST API
  4. 处理嵌套 JSON 结构
← 返回 R Academy