将 JSON 中未转义的反斜杠读入 R答案

【问题标题】：Reading unescaped backslashes in JSON into R将 JSON 中未转义的反斜杠读入 R
【发布时间】：2013-11-19 09:03:20
【问题描述】：

我正在尝试将 Facebook Graph API Explorer 中的一些数据读取到 R 中以进行一些文本分析。但是，JSON 提要中似乎有未转义的反斜杠，这导致 rjson 出错。以下是导致问题的输入类型的一个最小示例。

library(rjson)
txt <- '{"data":[{"id":2, "value":"I want to \\"post\\" a picture\\video"}]}'
fromJSON(txt)

（请注意，\\" 和 \\video 处的双反斜杠在解析后将转换为单反斜杠，这是我实际数据中的内容。）

我还尝试了 RJSONIO 包，它也会出错，有时甚至会导致 R 崩溃。

以前有人遇到过这个问题吗？有没有办法解决这个问题，而不是手动查找出现的每个错误？解析可能有数兆字节的 JSON，错误消息并不能很好地说明问题输入的确切位置。

【问题讨论】：

【解决方案1】：

只需用双反斜杠替换反斜杠不会转义双引号、制表符或换行符。

在正则表达式中，'\\\\' 被转换为一个反斜杠（需要两级转义，一级用于 R，一级用于正则表达式引擎）。我们需要 perl 正则表达式引擎才能使用前瞻。

library(stringr)
txt2 <- str_replace_all(txt, perl('\\\\(?![tn"])'), '\\\\\\\\')
fromJSON(txt2)

【讨论】：

谢谢。但这不起作用，因为还有像 \" 这样的字符来表示转义的引号文字。 IOW，有时反斜杠是正确的，有时需要修改。
我已经修改了我的例子来澄清。
@HongOoi 好的，我已经更新了我的答案。最佳解决方案取决于 JSON 的错误程度。如果它们是随机的单反斜杠或双反斜杠，您可能需要手动更正。
是的，我刚刚找到了以下 sn-p："message":"Ok thank you :)\" 请注意结尾引号之前未转义的 \。真是一团糟。似乎无法绕过手动校正。
您是否尝试过使用unexpected.escape = "keep"，至少可以防止错误并将某些内容读入R？

【解决方案2】：

问题是你试图解析无效的 JSON：

library(jsonlite)
txt <- '{"data":[{"id":2, "value":"I want to \\"post\\" a picture\\video"}]}'
validate(txt)

问题在于 picture\\video 部分，因为 \v 不是有效的 JSON 转义序列，即使它是 R 和其他一些语言中的有效转义序列。也许你的意思是：

library(jsonlite)
txt <- '{"data":[{"id":2, "value":"I want to \\"post\\" a picture\\/video"}]}'
validate(txt)
fromJSON(txt)

问题的任何一种方式都在于生成无效 JSON 的 JSON 数据源。如果这些数据真的来自 Facebook，那么您在他们的 API 中发现了一个错误。但更有可能您没有正确检索它。

【讨论】：