正则表达式字符类中忽略的转义字符

Question

一位同事给了我一个分隔文件。一列包含类似 JSON 的键/值对。我想将它们解析成列表。不幸的是，同事的 JSON 表示法似乎与 rjson 的期望不符。

jsonString <- "{person:[Santa],location:[NorthPole]}"
fromJSON(jsonString)
Error in fromJSON(jsonString) : 
  unexpected character "p"; expecting opening string quote (") for key value

所以我决定做一些正则表达式清理，将方括号转换为引号。我可以将 '[' 替换为 '"'，但在同一操作中替换 '[' 和 ']' 时遇到问题：

gsub(pattern = "\\[", replacement = '"', x = jsonString)
[1] "{person:\"Santa],location:\"NorthPole]}"

字符类是可能的：

gsub(pattern = "[aeiou]", replacement = '"', x = jsonString)
[1] "{p\"rs\"n:[S\"nt\"],l\"c\"t\"\"n:[N\"rthP\"l\"]}"

但在这种情况下，没有检测到括号：

gsub(pattern = "[\\[\\]]", replacement = '"', x = jsonString)
[1] "{person:[Santa],location:[NorthPole]}"

我也愿意接受其他非正则表达式解决方案，用于将类似 JSON 的字符串解析为 R 数据对象。

Answer 1

我不知道这是否足够笼统，但它适用于您的简单案例：

> require(RJSONIO)
Loading required package: RJSONIO
> qjson <- gsub(patt="(\\w+)", repl='"\\1"', gsub("[][]", "", jsonString) )
> fromJSON(qjson)
     person    location 
    "Santa" "NorthPole" 

取出所有“[”和“]”并在所有“单词”周围加上双引号。 “[”和“]”字符的字符类处理对字符串中的位置敏感。要匹配文字-“]”，它必须是第一个，而要匹配文字-“[”，它必须是除第一个之外的任何地方。请参阅?regex 部分关于字符类。

Answer 2

我无法确切说明原因，但设置 perl=TRUE 似乎可以解决

gsub(pattern = "[\\[\\]]", replacement = '"', x = jsonString, perl=TRUE)
# [1] "{person:\"Santa\",location:\"NorthPole\"}"

基本解释器解析字符类的方式必须有所不同。

您也可以尝试使用正则表达式直接提取数据。这里我使用了regcapturedmatches 辅助函数。

m<-gregexpr("(\\w+):\\[([^]]*)\\]", jsonString, perl=T)
regcapturedmatches(jsonString , m)

# [[1]]
#      [,1]       [,2]       
# [1,] "person"   "Santa"    
# [2,] "location" "NorthPole"