Question

我需要能够处理大型JSON文件，从可反序列化的子字符串中实例化对象，因为我们正在迭代/流式传输文件。

例如：

假设我只能反序列化为以下实例：

case class Data(val a: Int, val b: Int, val c: Int)

，预期的JSON格式为：

{   "foo": [ {"a": 0, "b": 0, "c": 0 }, {"a": 0, "b": 0, "c": 1 } ], 
    "bar": [ {"a": 1, "b": 0, "c": 0 }, {"a": 1, "b": 0, "c": 1 } ], 
     .... MANY ITEMS .... , 
    "qux": [ {"a": 0, "b": 0, "c": 0 }  }

我喜欢做的是：

import com.codahale.jerkson.Json
val dataSeq : Seq[Data] = Json.advanceToValue("foo").stream[Data](fileStream)
// NOTE: this will not compile since I pulled the "advanceToValue" out of thin air.

作为最后一点，我更愿意找到一个涉及Jerkson或Play框架附带的任何其他库的解决方案，但如果另一个Scala库更轻松，更好地处理这个场景：我不反对尝试另一个图书馆如果有一种干净的方式手动搜索文件，然后使用Json库继续从那里解析：我很好。

我不想要做的是在没有流式传输或使用迭代器的情况下摄取整个文件，因为一次将整个文件保存在内存中会非常昂贵。

Answer 1

我还没有使用JSON（我希望有人会为你提供一个交钥匙解决方案）但是用XML完成它，这是一种处理它的方法。

在流解析器的帮助下，它基本上是一个简单的Map-＆gt; Reduce进程。

地图（您的advanceTo）

使用像JSON Simple这样的流解析器（未经测试）。在回调时，您匹配“路径”，通过将其写入流（文件支持或内存中，取决于您的数据）收集下面的任何内容。这将是您示例中的foo数组。如果您的映射器足够复杂，您可能希望在映射步骤中收集多个路径。

减少（您的stream[Data]）

由于您在上面收集的流看起来很小，您可能不需要再次映射/拆分它们，您可以直接在内存中将它们解析为JSON对象/数组并对其进行操作（转换，重新组合等等）

Answer 2

以下是我解决问题的最新方式：

import collection.immutable.PagedSeq
import util.parsing.input.PagedSeqReader
import com.codahale.jerkson.Json
import collection.mutable

private def fileContent = new PagedSeqReader(PagedSeq.fromFile("/home/me/data.json"))
private val clearAndStop = ']'

private def takeUntil(readerInitial: PagedSeqReader, text: String) : Taken = {
  val str = new StringBuilder()
  var readerFinal = readerInitial

  while(!readerFinal.atEnd && !str.endsWith(text)) {
    str += readerFinal.first
    readerFinal = readerFinal.rest
  }

  if (!str.endsWith(text) || str.contains(clearAndStop))
    Taken(readerFinal, None)
  else
    Taken(readerFinal, Some(str.toString))
}

private def takeUntil(readerInitial: PagedSeqReader, chars: Char*) : Taken = {
  var taken = Taken(readerInitial, None)
  chars.foreach(ch => taken = takeUntil(taken.reader, ch.toString))

  taken
}

def getJsonData() : Seq[Data] = {
  var data = mutable.ListBuffer[Data]()
  var taken = takeUntil(fileContent, "\"foo\"")
  taken = takeUntil(taken.reader, ':', '[')

  var doneFirst = false
  while(taken.text != None) {
    if (!doneFirst)
      doneFirst = true
    else
      taken = takeUntil(taken.reader, ',')

    taken = takeUntil(taken.reader, '}')
    if (taken.text != None) {
      print(taken.text.get)
      places += Json.parse[Data](taken.text.get)
    }
  }

  data
}

case class Taken(reader: PagedSeqReader, text: Option[String])
case class Data(val a: Int, val b: Int, val c: Int)

当然，这段代码并不能完全处理格式错误的JSON，并且用于多个顶级键“foo”，“bar”和“qux”，需要向前看（或从可能的顶部列表中匹配） - 关键），但总的来说：我相信这样做。它不像我想的那么实用，并且不是非常强大，但是PagedSeqReader肯定会让这个太凌乱。

在Scala中扫描一个巨大的JSON文件以获取可反序列化的数据

2 个答案: