在R语言的实际数据处理场景中，JSON是接口返回、配置文件存储的常用数据格式，不少场景下我们需要从这类JSON数据源中提取出文件下载链接，用于后续的批量下载或者资源校验操作。
基础JSON解析提取链接
如果JSON数据的结构是规范的，链接字段的位置明确，我们可以直接使用jsonlite包解析JSON后，通过字段索引提取链接。首先需要安装并加载对应的包：
# 安装jsonlite包，若已安装可跳过
install.packages("jsonlite")
# 加载包
library(jsonlite)
# 模拟一个简单的JSON数据源，包含文件下载链接
json_str <- '{
"file_list": [
{"file_name": "data1.csv", "download_url": "https://ipipp.com/files/data1.csv"},
{"file_name": "data2.xlsx", "download_url": "https://ipipp.com/files/data2.xlsx"}
]
}'
# 解析JSON为R中的列表结构
parsed_data <- fromJSON(json_str)
# 提取所有下载链接
download_links <- parsed_data$file_list$download_url
# 查看提取结果
print(download_links)
处理嵌套JSON结构
实际场景中JSON往往存在多层嵌套，比如链接字段藏在多级子节点中，这时候需要逐层定位字段。以下是一个嵌套结构的处理示例：
# 模拟嵌套JSON数据源
nested_json <- '{
"result": {
"code": 200,
"data": {
"resources": [
{"id": 1, "info": {"url": "https://ipipp.com/res/file1.pdf"}},
{"id": 2, "info": {"url": "https://ipipp.com/res/file2.pdf"}}
]
}
}
}'
# 解析嵌套JSON
nested_parsed <- fromJSON(nested_json)
# 逐层提取链接字段
nested_links <- nested_parsed$result$data$resources$info$url
print(nested_links)
结合正则匹配筛选链接
如果JSON中链接没有固定的字段名，或者混杂在其他文本中，可以使用正则表达式匹配符合格式的链接。R语言中stringr包提供了便捷的正则操作函数：
# 安装并加载stringr包
install.packages("stringr")
library(stringr)
# 模拟包含链接的JSON文本，链接字段名不固定
mixed_json <- '{
"item1": "文件地址：https://ipipp.com/a.zip",
"item2": "资源链接：https://ipipp.com/b.rar",
"item3": "普通文本内容"
}'
# 定义匹配HTTP/HTTPS链接的正则表达式
url_pattern <- "https?://[^\s]+"
# 将JSON转为文本后匹配所有链接
all_urls <- str_extract_all(mixed_json, url_pattern)
# 去除空值后输出结果
valid_urls <- unlist(all_urls)
print(valid_urls)
提取后的链接校验
提取到链接后，建议先校验链接的有效性，避免后续下载时出现错误。可以使用httr包发送HEAD请求判断链接是否可访问：
install.packages("httr")
library(httr)
# 校验单个链接有效性
check_url <- function(url) {
response <- HEAD(url)
return(response$status_code == 200)
}
# 批量校验之前提取的链接
link_status <- sapply(valid_urls, check_url)
# 输出链接和对应状态
result_df <- data.frame(
链接 = valid_urls,
是否有效 = link_status,
stringsAsFactors = FALSE
)
print(result_df)
注意事项
- 解析JSON前先确认数据源的编码格式，避免出现中文乱码问题，可以在
fromJSON函数中指定encoding参数。 - 正则匹配链接时，需要根据实际链接的格式调整正则规则，比如如果链接包含特定域名，可以在正则中增加域名限定，减少误匹配。
- 如果JSON数据量较大，解析时可以指定
simplifyDataFrame参数为TRUE，提升解析效率，同时方便后续字段提取。