使用命令行工具将JSON数组拆分为多个文件

时间：2016-11-02 17:11:43

标签： json bash split jq

假设我们有一个长度为5的JSON数组，我们希望将数组拆分为多个长度为2的数组，并使用linux命令行工具将分组的项目保存到不同的文件中。

我尝试使用jq和split工具（我对可以从bash脚本执行的任何方法感到满意）：

$ echo '[{"key1":"value1"},{"key2":"value2"},{"key3":"value3"},{"key4":"value4"},{"key5":"value5"}]' | jq -c -M '.[]' | split -l 2 -d -a 3 - meta_
$ tail -n +1 meta_*
==> meta_000 <==
{"key1":"value1"}
{"key2":"value2"}

==> meta_001 <==
{"key3":"value3"}
{"key4":"value4"}

==> meta_002 <==
{"key5":"value5"}

上一个命令正确地将项目保存到文件中，但我们需要将它们转换为有效的JSON数组格式。我厌倦了--filter选项：

$ echo '[{"key1":"value1"},{"key2":"value2"},{"key3":"value3"},{"key4":"value4"},{"key5":"value5"}]' | jq -c -M '.[]' | split -l 2 -d -a 3 - meta2_ --filter='jq --slurp -c -M'
[{"key1":"value1"},{"key2":"value2"}]
[{"key3":"value3"},{"key4":"value4"}]
[{"key5":"value5"}]
$ tail -n +1 meta2_*
tail: cannot open 'meta2_*' for reading: No such file or directory

但是，它会在屏幕上显示输出，但结果不会保留。我尝试转发输出但是我收到错误：

echo '[{"key1":"value1"},{"key2":"value2"},{"key3":"value3"},{"key4":"value4"},{"key5":"value5"}]' | jq -c -M '.[]' | split -l 2 -d -a 3 - meta2_ --filter='jq --slurp -c -M > $FILE'
...
split: with FILE=meta2_000, exit 2 from command: jq --slurp -c -M > $FILE

任何提示或更好的方法？

编辑：我尝试使用双引号@andlrc建议：

$ echo '[{"key1":"value1"},{"key2":"value2"},{"key3":"value3"},{"key4":"value4"},{"key5":"value5"}]' | jq -c -M '.[]' | split -l 2 -d -a 3 - meta2_ --filter="jq --slurp -c -M > $FILE"
bash: -c: line 0: syntax error near unexpected token `newline'
bash: -c: line 0: `jq --slurp -c -M > '
split: with FILE=meta2_000, exit 1 from command: jq --slurp -c -M >
$ cat meta_000 | jq --slurp -c -M
[{"key1":"value1"},{"key2":"value2"}]

5 个答案:

答案 0 :(得分：4)

更容易在jq过滤器中构建数组，然后分成每行文件。无需额外过滤。

range(0; length; 2) as $i | .[$i:$i+2]

产生

[{"key1":"value1"},{"key2":"value2"}]
[{"key3":"value3"},{"key4":"value4"}]
[{"key5":"value5"}]

所以把它们放在一起。

$ jq -cM --argjson sublen '2' 'range(0; length; $sublen) as $i | .[$i:$i+$sublen]' \
    input.json | split -l 1 -da 3 - meta2_

答案 1 :(得分：1)

  

假设我们有一个长度为5的JSON数组，我们想将   将数组分成长度为2的多个数组，并将分组的项目保存到   使用linux命令行工具。

Xidel是HTML / XML / JSON解析器（使用CSS，XPath，XQuery，JSONiq和模式模板），可以完成您想要的操作。
提取查询本身：

$ echo '[{"key1":"value1"},{"key2":"value2"},{"key3":"value3"},{"key4":"value4"},{"key5":"value5"}]' | \
xidel -s - --xquery '
  for $x in 1 to count($json())
  where $x mod 2 = 1
  return
  [
    $json($x),
    $json($x+1)
  ]
' --printed-json-format=compact
[{"key1": "value1"}, {"key2": "value2"}]
[{"key3": "value3"}, {"key4": "value4"}]
[{"key5": "value5"}]

要将每一行另存为json文件（serialize-json()在这里很重要）：

`$ echo '[{"key1":"value1"},{"key2":"value2"},{"key3":"value3"},{"key4":"value4"},{"key5":"value5"}]' | \
xidel -s - --xquery '
  for $x at $i in 1 to count($json())
  where $x mod 2 = 1
  count $i
  return
  file:write(
    concat(
      "output_",
      $i,
      ".json"
    ),
    serialize-json(
      [
        $json($x),
        $json($x+1)
      ]
    )
  )
'

结果是：

$ cat output_1.json
[{"key1": "value1"}, {"key2": "value2"}]

$ cat output_2.json
[{"key3": "value3"}, {"key4": "value4"}]

$ cat output_3.json
[{"key5": "value5"}]

答案 2 :(得分：0)

分成两个单独的jq调用允许第二个调用允许第一个使用input帮助程序一次只处理一个输入。如果您没有剩下两项输入，则在第二个帮助中使用try帮助程序可以优雅地处理不完整的行。

s='[{"key1":"value1"},{"key2":"value2"},{"key3":"value3"},{"key4":"value4"},{"key5":"value5"}]'

jq '.[]' <<<"$s" | \
  jq -c -n 'repeat(input as $i1 | try (input as $i2 | [$i1, $i2]) catch [$i1])?' | \
  split -l 2 -d -a 3 - meta_

...在第一个文件中发出：

[{"key1":"value1"},{"key2":"value2"}]
[{"key3":"value3"},{"key4":"value4"}]

......并且，在第二个：

[{"key5":"value5"}]

答案 3 :(得分：0)

我使用jq和split工具找到了解决方案。我错过了双引号，'.'中的jq模式以及用反斜杠替换$。

$ echo '[{"key1":"value1"},{"key2":"value2"},{"key3":"value3"},{"key4":"value4"},{"key5":"value5"}]' |
  jq -c -M '.[]' |
  split -l 2 -d -a 3 - meta2_ --filter="jq --slurp -c -M '.' >\$FILE"
$ tail -n +1 meta2_*
==> meta2_000 <==
[{"key1":"value1"},{"key2":"value2"}]

==> meta2_001 <==
[{"key3":"value3"},{"key4":"value4"}]

==> meta2_002 <==
[{"key5":"value5"}]

答案 4 :(得分：0)

jq可能是其他回复中提到的方法。因为我不熟悉jq，所以我在下面使用非常常见的命令（echo，cat，wc，head，tail，sed，expr）编写了一个bash脚本（splitjson.sh）。该脚本将json文件拆分为不超过指定字节数的块。如果无法在指定的字节数之内进行拆分（一个json项目很长，或者每个块指定的最大字节数太小），则脚本将停止写入json文件并写入错误。

这是一个示例，问题中的数据为example.json：

[{"key1":"value1"},{"key2":"value2"},{"key3":"value3"},{"key4":"value4"},{"key5":"value5"}]

执行脚本的命令每个块的最大字节数为：

$ ./splitjson.sh example.json 40

结果如下：

$ head example.json.*
==> example.json.0 <==
[{"key1":"value1"},{"key2":"value2"}]
==> example.json.1 <==
[{"key3":"value3"},{"key4":"value4"}]
==> example.json.2 <==
[{"key5":"value5"}]

该脚本使用空格，制表符，尾括号'}'，冒号'，'和起始括号'{'之间的换行符来处理案例。

我成功地将此脚本用于大小高达82 MB的json文件。我希望它可以处理更大的文件。

这是脚本（splitjson.sh）：

#!/bin/bash
if [ $# -ne 2 ]
then
    echo "usage: $0 file_to_split.json nb_bytes_max_per_split"
    exit 1
fi
if [[ -r $1 ]]
then
    input=$1
    echo "reading from file '$input'"
else
    echo "cannot read from specified input file '$1'"
    exit 2
fi
if [[ $2 = *[[:digit:]]* ]]; then
    maxbytes=$2
    echo "taking maximum bytes '$maxbytes'"
else
    echo "provided maximum number of bytes '$2' is not numeric"
    exit 3
fi

start=0
over=0
iteration=0
inputsize=`cat $input|wc -c`
tailwindow="$input.tail"
echo "input file size: $inputsize"
tmp="$input.tmp"
cp $input $tmp
sed -e ':a' -e 'N' -e '$!ba' -e 's/}[[:space:]]*,[[:space:]]*{/},{/g' -i'.back' $tmp
rm "$tmp.back"
inputsize=`cat $tmp|wc -c`
if [ $inputsize -eq 0 ]; then
    cp $input $tmp
    sed -e 's/}[[:space:]]*,[[:space:]]*{/},{/g' -i'.back' $tmp
    rm "$tmp.back"
fi
inputsize=`cat $tmp|wc -c`
while [ $over -eq 0 ]; do
    output="$input.$iteration"
    if [ $iteration -ne 0 ]; then
                echo -n "[{">$output
    else
                echo -n "">$output
    fi
    tailwindowsize=`expr $inputsize - $start`
    cat $tmp|tail -c $tailwindowsize>$tailwindow
    tailwindowresultsize=`cat $tailwindow|wc -c`
    if [ $tailwindowresultsize -le $maxbytes ]; then
        cat $tailwindow>>$output
        over=1
    else
        cat $tailwindow|head -c $maxbytes|sed -E 's/(.*)\},\{(.*)/\1}]/'>>$output
    fi
    jsize=`cat $output|wc -c`
    start=`expr $start + $jsize`
    if [ $iteration -eq 0 ]; then
        start=`expr $start + 1`
    else
        start=`expr $start - 1`
    fi
    endofj=`cat $output|tail -c 3`
    if [ $over -ne 1 ]; then
        if [ ${endofj:1:2} != "}]" ]; then
            if [ ${endofj:0:2} != "}]" ]; then
                echo -e "ERROR: at least one split pattern wasn't found. Aborting. This could be due to wrongly formatted json or due to a json entry too long compared to the provided maximum bytes. Maybe you should try increasing this parameter?\a"
                exit 4
            fi
        fi
    fi
    jsizefinal=`cat $output|wc -c`
    echo "wrote $jsizefinal bytes of json for iteration $iteration to $output"
    iteration=`expr $iteration + 1`
done
rm $tailwindow
rm $tmp
相关问题
最新问题