Question

我正在尝试将s3中的文件中的数据加载到雪花中。由于无法控制的原因，这些文件的内容是不带分隔符的JSON对象，例如，单个文件将是这样的： {"key1":"valueA","key2":"valueB"}{"key1":"valueC","key2":"valueD"}

所以我无法使用任何定界符创建文件格式。我有一个使用'}{'的想法，然后用丢失的括号包装两个记录（JSON对象），但是没有这样的选项，记录分隔符接受单个char。另一种方法可能是使用正则表达式捕获单个记录，但是我在文档中看不到任何内容。

有没有更好的方法来解决这个问题？

Answer 1

由于整个文件不是有效的JSON，因此您不能将其读取为半结构化数据。

如果对象以内部}字符分隔，则可以将文件读取为CSV格式并稍加巧妙地重新组合：

CREATE OR REPLACE TABLE T (
  LINE_NO NUMBER IDENTITY,
  JSON TEXT
);

COPY INTO T(JSON) FROM (SELECT $1||'}' JSON FROM @my_stage/json.csv)
FILE_FORMAT = (TYPE = CSV FIELD_DELIMITER = NONE RECORD_DELIMITER='}');

SELECT REC_NO, PARSE_JSON(LISTAGG(JSON) WITHIN GROUP (ORDER BY LINE_NO)) JSON FROM (
  SELECT
    SUM(CASE WHEN NEW_OBJ AND MOD(QUOTE_QTY_AGG - QUOTE_QTY, 2) = 0 THEN 1 ELSE 0 END)
        OVER (ORDER BY LINE_NO) REC_NO, LINE_NO, JSON
  FROM (
    SELECT
      REGEXP_COUNT(JSON, '"') - REGEXP_COUNT(JSON, '\\\\"') QUOTE_QTY,
      SUM(REGEXP_COUNT(JSON, '"') - REGEXP_COUNT(JSON, '\\\\"'))
          OVER (ORDER BY LINE_NO) QUOTE_QTY_AGG,
      REGEXP_LIKE(JSON, '\\s*\\{\\s*".*') NEW_OBJ,
      LINE_NO, JSON
    FROM T
  )
)
GROUP BY REC_NO
ORDER BY REC_NO;

上面的查询将（伸出我的头）分析 any “有效”（模数化对象）JSON，甚至是{"{a}": "{{b}}"}之类的对象。通过观察以下内容来做到这一点：

新对象以{"开头，但是如果{在字符串中则不是这样
如果前几行中未转义的双引号字符的数量为偶数，则当前行的开头不在字符串内

Answer 2

Hans的方法可以奏效，但这确实是一个（不错！）黑客。

如果文件不是太大（最多几兆字节），则有一种更简单的方法。

然后，您可以将整个文件读取为单个varchar值，并使用以下内容对其进行后处理。简而言之，我们

用}{分隔字符串
根据需要“修复”缺少的冰壶
parse_json结果：

代码如下：

create or replace table x(v varchar) as 
  select * from values('{"a":1}{"b":2}{"c":{"cc":3}}');

select parse_json(
  concat(
    iff(startswith(spl.value,'{'), '', '{'),  -- add '{' if needed 
    spl.value,
    iff(endswith(spl.value, '}'), '', '}')  -- add '}' if needed
  )
) rec 
from x, lateral split_to_table(v, '}{') spl;
-------------+
     REC     |
-------------+
 {           |
   "a": 1    |
 }           |
 {           |
   "b": 2    |
 }           |
 {           |
   "c": {    |
     "cc": 3 |
   }         |
 }           |
-------------+

从包含不带分隔符的json对象的文件中加载数据

2 个答案: