使用 jq 处理大型 JSON 流

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。

我想用jq解析的相关输出被打包在一个代表结果结构的文档中：

{
  "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jq 提取row 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。

我使用了用于处理此问题的 --stream 选项。我尝试了以下命令，但也在等待从 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 字段并开始一一解析row 而无需等待结束标签？

Answer 1

(1) 您将使用的原版过滤器如下：

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，但是这两个步骤的组合可能会比普通方法慢。

(3) 要产生你想要的输出，你可以运行：

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式：

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，最后一次调用的输出将是：

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

Answer 2

获取：

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

发件人：

{
  "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[]'，但使用流式传输：

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[]（与select(.[0][0] == "results" and .[0][2] == "data" and .[0][4] == "row"）
• 丢弃路径的那些初始部分，例如"results",0,"data",0,"row"（带有del(.[0][0:5])）
• 最后使用来自jq FAQ 的fromstream(1|truncate_stream(…)) 模式将生成的jq 流转换回预期的JSON

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。