我有一个dadtaframe，其中的genre列包含如下数据：
类型：
[{'id': 16, 'name': 'Animation'}, {'id': 35, 'name': 'Comedy'}, {'id': 10751, 'name': 'Family'}]
[{'id': 12, 'name': 'Adventure'}, {'id': 14, 'name': 'Fantasy'}, {'id': 10751, 'name': 'Family'}]
[{'id': 10749, 'name': 'Romance'}, {'id': 35, 'name': 'Comedy'}]
[{'id': 35, 'name': 'Comedy'}, {'id': 18, 'name': 'Drama'}, {'id': 10749, 'name': 'Romance'}]
我需要这种方式，在字符串“'name'：” ：
之后的单词genre1 | genre2 | genre3
Animation | Comedy | Family
Adventure | Fantasy | Family
Comedy | Drama | Romance
我尝试了str_split_fixed选项，但是结果与预期不符。任何方向都会有所帮助。
答案 0 :(得分：0)
这似乎是不正确的ndjson，因为它使用的是单引号。但这是可以使用的，因此我们可以将其解析为JSON（带有修复程序）。尝试使用正则表达式解析JSON可能会给您带来痛苦，沮丧和遗憾。
数据：
vec <- c("[{'id': 16, 'name': 'Animation'}, {'id': 35, 'name': 'Comedy'}, {'id': 10751, 'name': 'Family'}]",
"[{'id': 12, 'name': 'Adventure'}, {'id': 14, 'name': 'Fantasy'}, {'id': 10751, 'name': 'Family'}]",
"[{'id': 10749, 'name': 'Romance'}, {'id': 35, 'name': 'Comedy'}]",
"[{'id': 35, 'name': 'Comedy'}, {'id': 18, 'name': 'Drama'}, {'id': 10749, 'name': 'Romance'}]")
我什至不会尝试：Regex for parsing single key: values out of JSON in Javascript。其他语言也存在其他Q / A，它们都说相同的话：不要尝试。您可以设计一个可处理“完美”和“结构相同”的json的正则表达式，但是只要出现有效但不同的json结构，就可以完成。
避免这种情况。
（使用任何字符串拆分功能实际上是在尝试使用普通的/固定的正则表达式工作。我并不是想对str_split_fixed，strsplit，...与复杂的regex操作相比，我认为最终结果是那里有很棒的json解析器，并且它们比我们可以调制的任何字符串拆分器都更好/更快/更健壮。）
jsonlite::fromJSON的蛮力代码的第一个剪切仅按原样处理矢量。这有点低效，因为它每个人都独立地调用fromJSON。如果您的向量很短，那么这可能不是问题。如果这需要一段时间，则可能要继续使用stream_in。 （请注意，这不是 像ndjson一样对待。）
ret <- lapply(gsub("'",'"',vec), jsonlite::fromJSON)
str(ret)
# List of 4
# $ :'data.frame': 3 obs. of 2 variables:
# ..$ id : int [1:3] 16 35 10751
# ..$ name: chr [1:3] "Animation" "Comedy" "Family"
# $ :'data.frame': 3 obs. of 2 variables:
# ..$ id : int [1:3] 12 14 10751
# ..$ name: chr [1:3] "Adventure" "Fantasy" "Family"
# $ :'data.frame': 2 obs. of 2 variables:
# ..$ id : int [1:2] 10749 35
# ..$ name: chr [1:2] "Romance" "Comedy"
# $ :'data.frame': 3 obs. of 2 variables:
# ..$ id : int [1:3] 35 18 10749
# ..$ name: chr [1:3] "Comedy" "Drama" "Romance"
仅提取名称，这可行：
lapply(ret, `[[`, "name")
# [[1]]
# [1] "Animation" "Comedy" "Family"
# [[2]]
# [1] "Adventure" "Fantasy" "Family"
# [[3]]
# [1] "Romance" "Comedy"
# [[4]]
# [1] "Comedy" "Drama" "Romance"
请注意，如果不将每个向量的长度都扩展为相同的长度，则列式输出格式将无法与您给我的示例一起使用（如果这样，请参见https://stackoverflow.com/a/34570893/3358272）。
ret2 <- lapply(ret, `[[`, "name")
ret2 <- lapply(ret2, `length<-`, max(lengths(ret2)))
do.call(rbind, ret2)
# [,1] [,2] [,3]
# [1,] "Animation" "Comedy" "Family"
# [2,] "Adventure" "Fantasy" "Family"
# [3,] "Romance" "Comedy" NA
# [4,] "Comedy" "Drama" "Romance"
（这是一个matrix，您可以将它带入新的水平。）
jsonlite::stream_in （这将您的数据像NDJSON一样对待。这是一个细微差别，并不重要。）
如果您需要加快速度，可以在原始原始文件（首选）上使用jsonlite::stream_in，或者如果原始文件中没有textConnection，则我们将{{ 1}}化事物是虚假的（效率比原始文件略低，但仍应比jsonlite::fromJSON更快）。
jsonlite::stream_in(textConnection(paste(gsub("'",'"',vec), collapse="\n")))
# Imported 4 records. Simplifying...
# Error in (function (..., row.names = NULL, check.rows = FALSE, check.names = TRUE, :
# arguments imply differing number of rows: 3, 2
我在此处保留此错误是为了证明jsonlite的默认设置是尝试将简单列表转换为框架。它并不总是有效，在这种情况下，它正在尝试rbind，而第三个元素（元素减少了一个）引起了一些问题。我们可以通过关闭框架化来减轻这种情况。
str(
ret <- jsonlite::stream_in(textConnection(paste(gsub("'",'"',vec), collapse="\n")),
simplifyDataFrame=FALSE)
)
# Imported 4 records. Simplifying...
# List of 4
# $ :List of 3
# ..$ :List of 2
# .. ..$ id : int 16
# .. ..$ name: chr "Animation"
# ..$ :List of 2
# .. ..$ id : int 35
# .. ..$ name: chr "Comedy"
# ..$ :List of 2
# .. ..$ id : int 10751
# .. ..$ name: chr "Family"
# $ :List of 3
# ..$ :List of 2
# .. ..$ id : int 12
# .. ..$ name: chr "Adventure"
# ..$ :List of 2
# .. ..$ id : int 14
# .. ..$ name: chr "Fantasy"
# ..$ :List of 2
# .. ..$ id : int 10751
# .. ..$ name: chr "Family"
# $ :List of 2
# ..$ :List of 2
# .. ..$ id : int 10749
# .. ..$ name: chr "Romance"
# ..$ :List of 2
# .. ..$ id : int 35
# .. ..$ name: chr "Comedy"
# $ :List of 3
# ..$ :List of 2
# .. ..$ id : int 35
# .. ..$ name: chr "Comedy"
# ..$ :List of 2
# .. ..$ id : int 18
# .. ..$ name: chr "Drama"
# ..$ :List of 2
# .. ..$ id : int 10749
# .. ..$ name: chr "Romance"
这与第一次尝试有些不同，但一点也不难提取。
lapply(ret, sapply, `[[`, "name")
# [[1]]
# [1] "Animation" "Comedy" "Family"
# [[2]]
# [1] "Adventure" "Fantasy" "Family"
# [[3]]
# [1] "Romance" "Comedy"
# [[4]]
# [1] "Comedy" "Drama" "Romance"
（使用与上述相同的步骤对内容进行列化。）
此呼叫看起来很奇怪，因为它是两次*apply呼叫。等效于（但短于）：
lapply(ret, function(x) sapply(x, `[[`, "name"))