R语言解析JSON格式数据文件

由于分析的数据格式为JSON格式，既占空间，而且分析时也非常的不方便，所以，我们需要对JSON格式

的数据进行解析，使其符合R语言分析所需要的数据格式，如data.frame,list等。

在R语言的包库中，已经有人对JSON格式的解析做了完整的包jsonlite，这极大地减轻了分析人员的工作压力。

jsonlite包中有以下几个函数

1、flatten

其中flatten函数是用来处理JSON中含有内嵌表格的情况，这种JSON文件解析为data.frame时，会在data.frame中

的某一列或多个列中另外包含一个data.frame。flatten函数可以将这种data.frame转换为一个2维的列表结构。通俗

点讲，就是讲内嵌表格的属性作为外置大表格的属性，组成一个维数变大了的表格。例如

上图的x表格，stats为一个内嵌表格，具有3个属性。

经过flatten（x）函数转化后，变为一个表格

2、prettify，minify

prettify是一个美化函数，对json密集的json格式，通过增加空白，对格式进行标准化，这样我们在观察json数据时会比较方便。

例如：

minify是一个压缩函数，与prettify做的事情正好相反，其效果如下

这两个函数使用都非常简单，仅需要一个JSON对象即可，可以从toJSON函数获得

3、rbind.pages

这是一个合并函数，根据官方文档的说法，它可以将多个data.frame合并为1个data.frame。

这个函数非常只能，可以自动识别多个data.frame的属性是否相同，若相同，则按行合并，若不同，则将相同的地方按行合并，不同的属性按列合并

例如：

x <- data.frame(foo = rnorm(3), bar = c(TRUE, FALSE, TRUE))
y <- data.frame(foo = rnorm(2), bar = c("blue", "red"))
rbind.pages(list(x, y))

直接按行合并了。

x <- data.frame(foo = rnorm(3), bar = c(TRUE, FALSE, TRUE))
y <- data.frame(foo = rnorm(2), col = c("blue", "red"))
rbind.pages(list(x, y))

对foo按行合并了，而col属性是按照列合并的，没有的部分用NA代替。

4、serializeJSON

将一个R的对象序列化为一个JSON数据集。

5、stream_in，stream_out

利用流文件来处理JSON格式的数据解析任务。这种方法可以针对数据量非常大的情况。

stream_in(con, handler, pagesize = 500, verbose = TRUE, ...)

其中con为一个连接对象，可以是一个网络ur，也可以是一个文件路径

handler是一个自定义函数，pagesize用来指定我们从文件中要读取的文件行数。

verbose=T，设置是否打印出处理行数

stream_out(x, con = stdout(), pagesize = 500, verbose = TRUE, ...)

x为一个需要输出为json数据集的对象，目前只支持data.frame

5、toJSON，fromJSON

与stream_in和stream_out的功能类似，toJSON是转化为JSON格式，fromJSON是将JSON格式数据集转化为

R中的格式，一般为list.

具体使用方法可以查帮助文档。

其中fromJSON在读取多行JSON数据时会报错，只能单行读取数据。

总结

进行JSON格式数据解析时，没有特殊要求，建议使用stream_in函数。如果希望按照自己的想法来解析，可以使用fromJSON

按行解析，然后对字符串按照自己的想法处理，如加密，解密等。