在R语言中解析嵌套结构

Question

我有一个类似JSON格式的字符串，表示一个嵌套结构。这并不是真正的JSON，因为名称和值没有用引号括起来。我想将其解析成嵌套结构，例如列表的列表。

#example:
x_string = "{a=1, b=2, c=[1,2,3], d={e=something}}"

并且结果应该像这样：

x_list = list(a=1,b=2,c=c(1,2,3),d=list(e="something"))

有没有什么方便的函数可以做这种解析，我不知道吗？

谢谢。

- amit

---

不使用引号的方式很糟糕。关于非数字值的种类，有哪些限制？通过使用正则表达式并eval(parse())结果，可能可以将其更改为有效的R代码。 - Roland

Answer 1

如果您的所有数据都是一致的，那么涉及到正则表达式和jsonlite包的简单解决方案。代码如下：

if(!require(jsonlite, quiet=TRUE)){ 
    #if library is not installed: installs it and loads it into the R session for use.

    install.packages("jsonlite",repos="https://ftp.heanet.ie/mirrors/cran.r-project.org")
    library(jsonlite)
}

x_string = "{a=1, b=2, c=[1,2,3], d={e=something}}"

json_x_string = "{\"a\":1, \"b\":2, \"c\":[1,2,3], \"d\":{\"e\":\"something\"}}"
fromJSON(json_x_string)

s <- gsub( "([A-Za-z]+)", "\"\\1\"",  gsub( "([A-Za-z]*)=", "\\1:", x_string ) )

fromJSON( s )

第一部分检查软件包是否已安装。如果已经安装，它会加载它；否则，它会安装并加载它。我通常在编写任何R代码时都会包含这个，以便更简单地在不同电脑/人之间转移。

您的字符串是x_string，我们希望它看起来像json_x_string，当我们调用fromJSON()时可以得到所需的输出。

正则表达式分为两部分，因为有一段时间了 - 我相信这可以变得更加优雅。然而，这取决于您的数据是否一致，所以我现在还是保留它。首先，它将“=”更改为“：”，然后在所有字母组周围添加引号。调用fromJSON(s)将会输出：

fromJSON(s)

$a

[1] 1

$b

[1] 2

$c

[1] 1 2 3

$d

$d$e

[1] "something"

- AodhanOL

Answer 2

出于可扩展性和灵活性的考虑，我宁愿避免使用JSON解析，而是采用正则表达式+递归的解决方案。

以下是一个可扩展的基础代码，可以按照您的要求解析输入字符串

主递归函数：

# Parse string
parse.string = function(.string){
  regex = "^((.*)=)??\\{(.*)\\}"

  # Recursion termination: element parsing
  if(iselement(.string)){
    return(parse.element(.string))
  }

  # Extract components 
  elements.str = gsub(regex, "\\3", .string)
  elements.vector = get.subelements(elements.str)

  # Recursively parse each element
  parsed.elements = list(sapply(elements.vector, parse.string, USE.NAMES = F))

  # Extract list's name and return 
  name = gsub(regex, "\\2", .string)
  names(parsed.elements) = name
  return(parsed.elements)
}

.

辅助函数：

library(stringr)

# Test if the string is a base element
iselement = function(.string){
  grepl("^[^[:punct:]]+=[^\\{\\}]+$", .string)
}

# Parse element
parse.element = function(element.string){
  splits = strsplit(element.string, "=")[[1]]
  element = splits[2]

  # Parse numeric elements
  if(!is.na(as.numeric(element))){
    element = as.numeric(element)
  }

  # TODO: Extend here to include vectors

  # Reformat and return 
  element = list(element)
  names(element) = splits[1]
  return(element)
}

# Get subelements from a string
get.subelements = function(.string){
  # Regex of allowed elements - Extend here to include more types 
  elements.regex = c("[^, ]+?=\\{.+?\\}", #Sublist
                     "[^, ]+?=\\[.+?\\]", #Vector
                     "[^, ]+?=[^=,]+")    #Base element
  str_extract_all(.string, pattern = paste(elements.regex, collapse = "|"))[[1]]
}

.

解析结果：

string = "{a=1, b=2, c=[1,2,3], d={e=something}}"
string_2 = "{a=1, b=2, c=[1,2,3], d=somthing}"
named_string = "xyz={a=1, b=2, c=[1,2,3], d={e=something, f=22}}"
named_string_2 = "xyz={d={e=something, f=22}}"

parse.string(string)
# [[1]]
# [[1]]$a
# [1] 1
# 
# [[1]]$b
# [1] 2
# 
# [[1]]$c
# [1] "[1,2,3]"
# 
# [[1]]$d
# [[1]]$d$e
# [1] "something"

- Deena