从R中的字符串中提取特定关键字

Question

我的表中有一个“地点”列，其中包含有关某个地点的数据，如下所示：

{ "id" : "94965b2c45386f87", "name" : "New York", "boundingBoxCoordinates" : [ [ { "longitude" : -79.76259, "latitude" : 40.477383 }, { "longitude" : -79.76259, "latitude" : 45.015851 }, { "longitude" : -71.777492, "latitude" : 45.015851 }, { "longitude" : -71.777492, "latitude" : 40.477383 } ] ], "countryCode" : "US", "fullName" : "New York, USA", "boundingBoxType" : "Polygon", "URL" : "https://api.twitter.com/1.1/geo/id/94965b2c45386f87.json", "accessLevel" : 0, "placeType" : "admin", "country" : "United States" }

从中，我想提取国家名称。我试过以下代码：

loc <- t1$place
loc = gsub('"', '', loc)
loc = gsub(',', '', loc)

清理字符串，现在看起来像这样：

"{ id : 00ed6f0947c230f4 name : Caloocan City boundingBoxCoordinates : [ [ { longitude : 120.9607709 latitude : 14.6344661 } { longitude : 120.9607709 latitude : 14.7873208 } { longitude : 121.1015117 latitude : 14.7873208 } { longitude : 121.1015117 latitude : 14.6344661 } ] ] countryCode : PH fullName : Caloocan City National Capital Region boundingBoxType : Polygon URL : https://api.twitter.com/1.1/geo/id/00ed6f0947c230f4.json accessLevel : 0 placeType : city country : Republika ng Pilipinas }"

现在要提取国家名称，我想使用 word() 函数：

word(loc, n, sep=fixed(" : "))

其中n在国名的位置我还是没算。但是这个函数在 n=1 时给出了正确的输出，但是对于 n 的任何其他值都会给出错误：

Error in word[loc, "start"] : subscript out of bounds

为什么会这样？ loc 变量肯定有更多的单词。或者有人可以建议从该字段中提取国家名称的更好方法吗？

编辑：t1 是组成我整个表的数据框。目前我只对包含上述格式信息的表格的位置字段感兴趣。因此，我尝试使用基本赋值指令将 place 字段加载到一个名为“loc”的单独变量中：

loc <- t1$place

为了将其作为 JSON 读取，place 字段需要用单引号分隔，而它原本不是。我的表中有 200 万行，所以我真的无法手动添加分隔符。

Answer 1

这看起来像一个 JSON 对象，因此使用 JSON 解析来提取数据会更容易。

所以如果这是你的字符串值

x <- '{ "id" : "94965b2c45386f87", "name" : "New York", "boundingBoxCoordinates" : [ [ { "longitude" : -79.76259, "latitude" : 40.477383 }, { "longitude" : -79.76259, "latitude" : 45.015851 }, { "longitude" : -71.777492, "latitude" : 45.015851 }, { "longitude" : -71.777492, "latitude" : 40.477383 } ] ], "countryCode" : "US", "fullName" : "New York, USA", "boundingBoxType" : "Polygon", "URL" : "https://api.twitter.com/1.1/geo/id/94965b2c45386f87.json", "accessLevel" : 0, "placeType" : "admin", "country" : "United States" }'

那你就可以了

library(jsonlite)
# or library(RJSOINIO)
# or library(rjson)

fromJSON(x)$country
# [1] "United States"