Question

我有一个10米行的文件，每行都是这样的：

{ "_id" : ObjectId("567f972cad55ac0797baa773"), "id" : 357103 }

对于每一行，我需要对其"id"值执行某些操作。

到目前为止，我有：

listings.each.with_index do |line, idx|
  # listing_id = JSON.parse(line).fetch("id") #>> invalid JSON error
  # line.split('"id : "') #=> some gibberish
  line.match(/"id" : (.*)/)[1] #=> "357103 }"

parse抛出错误，表明这些行无效json。 split返回一些胡言乱语。我得到的最接近的结果是match，但它返回上面的示例"357103 }"。

你能帮我解决一下吗？

Answer 1

分裂比Regex更快。有了这么大的文件，它可能会产生显着的差异。

此外，您似乎需要转义这些双引号：line.split("\"id\" : ")

> puts Benchmark.measure{line.split("\"id\" : ").last.delete('}').delete(' ')}
  0.000000   0.000000   0.000000 (  0.000020)

> puts Benchmark.measure{line.match(/\s(\d+)\s/)[1]}
  0.000000   0.000000   0.000000 (  0.000043)

<强>更新

更快，一直使用拆分：

> puts Benchmark.measure{line.split("\"id\" : ").last.split(' ').first }
  0.000000   0.000000   0.000000 (  0.000008)

修改

虽然正如Stefan在评论中提到的那样，看起来你的文件是BSON（MongoDB）而不是JSON。有一个Mongo gem。

Answer 2

您可以使用\s(\d+)\s正则表达式，不需要JSON解析。

line.match(/\s(\d+)\s/)[1] #=> "357103"

Answer 3

ids是否由所有数字组成？您可以尝试使用正则表达式来查找冒号，然后查找数字列表。

Line.match(/"id " : [0-9]+/)

查找Id后跟任意长度的整数。

如果它有字母和数字，那么：

Line.match(/"id" :[[:alnum:]]+/)

Answer 4

您可以使用拼接进行匹配：

line[/(?<= )\d+/] = 357103

如何从ruby中的行中提取数据？

4 个答案: