Question

我从curl获得了一个非常大的JSON流（几GB）并尝试使用jq处理它。

我要用jq解析的相关输出打包在表示结果结构的文档中：

{
  "results":[
    {
      "columns": ["n"],

      // get this
      "data": [    
        {"row": [{"key1": "row1", "key2": "row1"}], "meta": [{"key": "value"}]},
        {"row": [{"key1": "row2", "key2": "row2"}], "meta": [{"key": "value"}]}
      //  ... millions of rows      

      ]
    }
  ],
  "errors": []
}

我想用row提取jq数据。这很简单：

curl XYZ | jq -r -c '.results[0].data[0].row[]'

结果：

{"key1": "row1", "key2": "row1"}
{"key1": "row2", "key2": "row2"}

但是，这总是等到curl完成。

我使用了--stream选项来处理这个问题。我尝试了以下命令，但也等待从curl返回完整对象：

curl XYZ | jq -n --stream 'fromstream(1|truncate_stream(inputs)) | .[].data[].row[]'

有没有办法'跳转'到data字段并逐个解析row而无需等待结束标记？

Answer 1

（1）您将使用的香草过滤器如下：

jq -r -c '.results[0].data[].row'

（2）这里使用流解析器的一种方法是使用它来处理.results[0].data的输出，但这两个步骤的组合可能比vanilla方法慢。

（3）要生成所需的输出，您可以运行：

jq -nc --stream '
  fromstream(inputs
    | select( [.[0][0,2,4]] == ["results", "data", "row"])
    | del(.[0][0:5]) )'

（4）或者，您可能希望尝试以下方面：

jq -nc --stream 'inputs
      | select(length==2)
      | select( [.[0][0,2,4]] == ["results", "data", "row"])
      | [ .[0][6], .[1]] '

对于说明性输入，上次调用的输出将为：

["key1","row1"] ["key2","row1"] ["key1","row2"] ["key2","row2"]

Answer 2

获得：

{"key1": "row1", "key2": "row1"} {"key1": "row2", "key2": "row2"}

自：

{ "results":[ { "columns": ["n"], "data": [ {"row": [{"key1": "row1", "key2": "row1"}], "meta": [{"key": "value"}]}, {"row": [{"key1": "row2", "key2": "row2"}], "meta": [{"key": "value"}]} ] } ], "errors": [] }

执行以下操作，相当于jq -c '.results[].data[].row[]'，但使用的是：

jq -cn --stream 'fromstream(1|truncate_stream(inputs | select(.[0][0] == "results" and .[0][2] == "data" and .[0][4] == "row") | del(.[0][0:5])))'

这是做什么的：

将JSON转换为流（使用--stream）
选择路径.results[].data[].row[]（使用select(.[0][0] == "results" and .[0][2] == "data" and .[0][4] == "row"）
放弃路径的初始部分，例如"results",0,"data",0,"row"（del(.[0][0:5])）
最后使用jq FAQ

fromstream(1|truncate_stream(…))

例如：

echo '{"results":[{"columns":["n"],"data":[{"row":[{"key1":"row1","key2":"row1"}],"meta":[{"key":"value"}]},{"row":[{"key1":"row2","key2":"row2"}],"meta":[{"key":"value"}]}]}],"errors":[]}' | jq -cn --stream 'fromstream(1|truncate_stream(inputs | select(.[0][0] == "results" and .[0][2] == "data" and .[0][4] == "row") | del(.[0][0:5])))'

产生所需的输出。

使用jq处理大型JSON流

2 个答案: