Question

我想展平一个嵌套的json对象，例如Call CreationMacroAuto()至{"a":{"b":1}}，以便在solr中消化它。

我有11 TB的json文件，它们都是嵌套的，并且在字段名称中包含点，这意味着不是elasticsearch（点），也不是solr（没有{"a.b":1}符号的嵌套）可以按原样消化它。

其他解决方案是用下划线替换字段名称中的点并将其推送到elasticsearch，但我对solr有更好的经验，因此我更喜欢flatten解决方案（除非solr能够消化那些嵌套的jsons吗？）。

只有当消化过程花费的时间远远少于solr时，我才会喜欢elasticsearch，因为我的优先级是尽可能快地消化（因此我选择了jq而不是在python中编写脚本）。

请帮助。

编辑：

我认为这对例子3和4为我解决了这个问题： https://lucidworks.com/blog/2014/08/12/indexing-custom-json-data/

我很快就会尝试。

Answer 1

您还可以使用以下jq命令以这种方式展平嵌套的JSON对象：

[leaf_paths as $path | {"key": $path | join("."), "value": getpath($path)}] | from_entries

它的工作方式是：leaf_paths返回一个数组流，这些数组表示给定JSON文档中出现“叶元素”的路径，即没有子元素的元素，例如数字，字符串和布尔值。我们将该流管道传输到具有key和value属性的对象，其中key包含路径数组的元素作为由点连接的字符串，value包含该元素路径。最后，我们将整个事物放在一个数组中并在其上运行from_entries，它将{key, value}个对象数组转换为包含这些键值对的对象。

Answer 2

这只是圣地亚哥jq的变种：

. as $in 
| reduce leaf_paths as $path ({};
     . + { ($path | map(tostring) | join(".")): $in | getpath($path) })

它避免了键/值构造和破坏的开销。

（如果您可以访问jq 1.5之后的jq版本，则可以省略“map（tostring）”。）

关于这两种jq解决方案的两个要点：

阵列也被夷为平地。例如。给定{"a": {"b": [0,1,2]}}作为输入，输出将是：
```
{
  "a.b.0": 0,
  "a.b.1": 1,
  "a.b.2": 2
}
```
如果原始JSON中的任何键包含句点，则可能发生键冲突;这种碰撞通常会导致价值的损失。例如，这将通过以下输入发生：
```
{"a.b":0, "a": {"b": 1}}
```

Answer 3

事实证明，curl -XPOST 'http://localhost:8983/solr/flat/update/json/docs' -d @json_file就是这样做的：

{
    "a.b":[1],
    "id":"24e3e780-3a9e-4fa7-9159-fc5294e803cd",
    "_version_":1535841499921514496
}

编辑1：使用bin/solr -e cloud的solr 6.0.1。集合名称为flat，其余均为默认值（data-driven-schema也是默认值）。

编辑2：我使用的最终脚本：find . -name '*.json' -exec curl -XPOST 'http://localhost:8983/solr/collection1/update/json/docs' -d @{} \;。

编辑3：也可以与xargs并行并使用jq添加id字段：find . -name '*.json' -print0 | xargs -0 -n 1 -P 8 -I {} sh -c "cat {} | jq '. + {id: .a.b}' | curl -XPOST 'http://localhost:8983/solr/collection/update/json/docs' -d @-"其中-P是并行因子。我使用jq来设置id，因此同一文档的多次上传不会在集合中创建重复项（当我搜索-P的最佳值时，它在集合中创建了重复项）

Answer 4

以下是使用 tostream ，选择，加入，缩小和设置路径<的解决方案/强>

reduce ( tostream | select(length==2) | .[0] |= [join(".")] ) as [$p,$v] ( {} ; setpath($p; $v) )

Answer 5

我最近编写了一个名为 jqg 的脚本，它可以将任意复杂的 JSON 展平并使用正则表达式搜索结果；要简单地展平 JSON，您的正则表达式将是“.”，它匹配所有内容。与上面的答案不同，该脚本将处理嵌入式数组、false 和 null 值，并且可以选择将空数组和对象 ([] & {}) 视为叶节点。

$ jq . test/odd-values.json
{
  "one": {
    "start-string": "foo",
    "null-value": null,
    "integer-number": 101
  },
  "two": [
    {
      "two-a": {
        "non-integer-number": 101.75,
        "number-zero": 0
      },
      "true-boolean": true,
      "two-b": {
        "false-boolean": false
      }
    }
  ],
  "three": {
    "empty-string": "",
    "empty-object": {},
    "empty-array": []
  },
  "end-string": "bar"
}

$ jqg . test/odd-values.json
{
  "one.start-string": "foo",
  "one.null-value": null,
  "one.integer-number": 101,
  "two.0.two-a.non-integer-number": 101.75,
  "two.0.two-a.number-zero": 0,
  "two.0.true-boolean": true,
  "two.0.two-b.false-boolean": false,
  "three.empty-string": "",
  "three.empty-object": {},
  "three.empty-array": [],
  "end-string": "bar"
}

jqg 已使用 jq 1.6 进行测试

注意：我是 jqg 脚本的作者。

使用jq展平嵌套的JSON

5 个答案: