读取csv文件时指示R在行中查找变量名

Question

有没有办法让 R 在读取 csv 文件时读取每个单元格中的列/变量名？

我的 csv 文件格式错误。并非每一行都有每个变量，也不是每一行都具有相同的长度。但是，每一行都有一个变量名，例如"id": "37189", "city": "Phoenix", "type": "business"。当我告诉 R 读取 csv 时，我可以指示它在数据中查找变量名并进行相应排序吗？

为您提供方便的数据示例：

business_id：vcNAWiLM4dR7D2nwwJ7nCA，full_address：4840 E Indian School Rd\nSte 101\nPhoenix, AZ 85018，关闭：17:00，打开：08:00，打开：true，类别：[医生, Health & Medical]，城市：Phoenix，review_count：9，姓名：Eric Goldberg, MD，社区：[]，经度：-111.98375799999999，州：AZ，星星：3.5，纬度：33.499313000000001，属性：预约仅：真，类型：商务,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, ,,,,,,,,,,,,,,,,,,,,,,,,,,,

business_id：UsFtqoBl7naz8AVUBZMjQQ，完整地址：202 McClure St\nDravosburg, PA 15034，营业时间：true，类别：[夜生活]，城市：Dravosburg，review_count：4，名称：Clancy's Pub，街区：[]，经度：-79.886930000000007 ，州：PA，星数：3.5，纬度：40.350518999999998，属性：欢乐时光：真，接受信用卡：真，适合团体：真，户外座位：假，价格范围：1，类型： 商业，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，，， ,,,,,,,,,,,,,,,,,,,,,,,,,

business_id: cE27W9VPgO88Qxe4ol6y_g,{ full_address: 1530 Hamilton Rd\nBethel Park, PA 15234}, open: false, 类别: [Active Life, Mini Golf, Golf], 城市: Bethel Park, review_count: 5, name: Cool Springs高尔夫中心，街区：[]，经度：-80.015910000000005，州：PA，星数：2.5，纬度：40.356896200000001，属性：适合儿童：true，类型：商业，,,,,,,,,,,,,, ,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,, ,,,,,,,,,,,

粗体字是一些没有出现在其他条目中的变量。

Answer 1

这会让你开始，但你还有很多工作要做。这适用于一行（在示例中它可能适用于其他两行），但可以推断它适用于所有行（lapply FTW）。基本上，您需要从该单个字段重建 JSON 结构（可能有其他方法，特别是如果您不需要所有字段）。因为 Yelp 模式是已知的，所以它比其他方式更容易。

您必须以非常确定的方式对其进行攻击，在其他字段之前转换某些字段，在字段名称中考虑空格，处理数组和嵌套结构等。正如我所说，您还有很多工作要做.如果你的正则表达式很弱，这将为成为正则表达式忍者提供充足的练习。

library(stringi)
library(stringr)
library(jsonlite)

txt <- 'business_id: vcNAWiLM4dR7D2nwwJ7nCA, full_address: 4840 E Indian School Rd\nSte 101\nPhoenix, AZ 85018, close: 17:00, open: 08:00, open: true, categories: [Doctors, Health & Medical], city: Phoenix, review_count: 9, name: Eric Goldberg, MD, neighborhoods: [], longitude: -111.98375799999999, state: AZ, stars: 3.5, latitude: 33.499313000000001, attributes: By Appointment Only: true, type: business'
txt <- gsub("\n", "|", txt)

txt <- sub("business_id: ([[:alnum:]\\:]+)", '"business_id": "\\1"', txt)

txt <- sub('attributes: ', '"attributes": {', txt)
txt <- sub('By Appointment Only: ', '"By Appointment Only": ', txt)
txt <- sub('Accepts Credit Cards: ', '"Accepts Credit Cards": ', txt)
txt <- sub('Good For Groups: ', '"Good For Groups": ', txt)
txt <- sub('Outdoor Seating: ', '"Outdoor Seating": ', txt)
txt <- sub('Price Range: ', '"Price Ranges": ', txt)

txt <- sub("full_address: ([[:alnum:][:space:],\\|\\-\\.]+), close:", '"full_address": "\\1", close:', txt)
txt <- sub("full_address: ([[:alnum:][:space:],\\|\\-\\.]+), open:",  '"full_address": "\\1", open:', txt)

txt <- sub("name: (.*), neighborhoods:", '"name": "\\1", "neighborhoods":', txt)

txt <- gsub("open: ([[:alnum:]\\:]+)", '"open": "\\1"', txt)
txt <- sub("close: ([[:alnum:]\\:]+)", '"close": "\\1"', txt)

txt <- sub("longitude: ([[:digit:]\\.-]+)", '"longitude": "\\1"', txt)
txt <- sub("latitude: ([[:digit:]\\.-]+)", '"latitude": "\\1"', txt)

txt <- sub("review_count: ([[:digit:]\\.]+)", '"review_count": "\\1"', txt)
txt <- sub("stars: ([[:digit:]\\.]+)", '"stars": "\\1"', txt)
txt <- sub("state: ([[:alpha:]]+)", '"state": "\\1"', txt)
txt <- sub("city: ([[:alpha:] \\.-]+)", '"city": "\\1"', txt)

txt <- sub("type: ([[:alpha:]]+)", '"type": "\\1"', txt)

cats <- paste0(sprintf('"%s"', str_trim(str_split(str_match_all(txt, "categories: \\[([[:alpha:] &-,]+)\\],")[[1]][,2], ",")[[1]])), collapse=", ")
txt <- sub("categories: \\[([[:alpha:] &-,]+)\\],", '"categories": [' %s+% cats %s+% '],', txt)

txt <- "{" %s+% txt %s+% "}}"

fromJSON(txt)
## $business_id
## [1] "vcNAWiLM4dR7D2nwwJ7nCA"
## 
## $full_address
## [1] "4840 E Indian School Rd|Ste 101|Phoenix, AZ 85018"
## 
## $close
## [1] "17:00"
## 
## $open
## [1] "08:00"
## 
## $open
## [1] "true"
## 
## $categories
## [1] "Doctors"          "Health & Medical"
## 
## $city
## [1] "Phoenix"
## 
## $review_count
## [1] "9"
## 
## $name
## [1] "Eric Goldberg, MD"
## 
## $neighborhoods
## list()
## 
## $longitude
## [1] "-111.98375799999999"
## 
## $state
## [1] "AZ"
## 
## $stars
## [1] "3.5"
## 
## $latitude
## [1] "33.499313000000001"
## 
## $attributes
## $attributes$`By Appointment Only`
## [1] TRUE
## 
## $attributes$type
## [1] "business"

而且，无论是谁给了你这个文件，他们的程序生活中遇到的任何邪恶都是值得的。我会用带有 EBCDIC 编码的粗糙 XML 将他们想要的任何东西还给他们。