使用命令行工具将 JSON 数组拆分为多个文件答案

【问题标题】：Split a JSON array into multiple files using command line tools使用命令行工具将 JSON 数组拆分为多个文件
【发布时间】：2017-03-16 02:42:21
【问题描述】：

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

我使用jq 和split 工具进行了尝试（我对任何可以从 bash 脚本执行的方法都很满意）：

$ 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"}

前面的命令正确地将项目保存到文件中，但是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，但不会保留结果。我尝试转发输出，但出现错误：

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"}]

【问题讨论】：

...您不会接受任何不使用split 的答案？（也就是说：请避免将关于哪些工具是回答问题的最佳方式的偏见放入问题本身）。
@CharlesDuffy 我可以在不使用拆分的情况下接受和回答，感谢您的建议

标签： json bash split jq

【解决方案1】：

假设我们有一个长度为 5 的 JSON 数组，我们想要拆分数组到长度为 2 的多个数组中，并将分组的项目保存到不同的文件，使用 linux 命令行工具。

Xidel，一个 HTML/XML/JSON 解析器（使用 CSS、XPath、XQuery、JSONiq 和模式模板），可以做你想做的事。
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"}]

将每一行保存为 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)
      ]
    )
  )
'

这会导致：

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

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

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

【讨论】：

【解决方案2】：

jq 可能是其他回复中提到的方式。由于我对 jq 不熟悉，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）。此脚本将 json 文件拆分为不超过指定字节数的块。如果在指定的字节数内无法拆分（json 项很长或指定的每个块的最大字节数太小），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"}]

以每个块的最大字节数执行脚本的命令是：

$ ./splitjson.sh example.json 40

那么结果是：

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

脚本处理结束括号“}”、冒号“,”和开始括号“{”之间的空格、制表符、换行符的情况。

我在 82 MB 的 json 文件上成功使用了这个脚本。我希望它可以处理更大的文件。

这里是脚本（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

【讨论】：

【解决方案3】：

我使用jq 和split 工具找到了解决方案。我错过了双引号，jq 中的'.' 模式，并用反斜杠转义了$。

$ 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"}]

【讨论】：

喜欢这个，因为它不需要额外的循环

【解决方案4】：

在 jq 过滤器中构建数组会更容易，然后按行拆分为文件。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_

【讨论】：

【解决方案5】：

拆分成两个单独的jq 调用允许第二个调用使用input 帮助器一次只处理一个输入。在第二个中使用 try 帮助器可以优雅地处理不完整的行，如果您没有留下两项输入。

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_

...发射，在第一个文件中：

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

...并且，在第二个中：

[{"key5":"value5"}]

【讨论】：