如何使用“json”模块一次读入一个json对象？

Question

我有一个数千GB的JSON文件。该文件由JSON对象组成，每个对象不超过几千个字符，但记录之间没有换行符。

使用Python 3和json模块，如何一次从文件中读取一个json对象到内存中？

数据在纯文本文件中。这是一个类似记录的示例。实际记录包含许多嵌套字典和列表。

可读格式记录：

{
    "results": {
      "__metadata": {
        "type": "DataServiceProviderDemo.Address"
      },
      "Street": "NE 228th",
      "City": "Sammamish",
      "State": "WA",
      "ZipCode": "98074",
      "Country": "USA"
    }
  }
}

实际格式。新记录一个接一个地开始，没有任何中断。

{"results": { "__metadata": {"type": "DataServiceProviderDemo.Address"},"Street": "NE 228th","City": "Sammamish","State": "WA","ZipCode": "98074","Country": "USA" } } }{"results": { "__metadata": {"type": "DataServiceProviderDemo.Address"},"Street": "NE 228th","City": "Sammamish","State": "WA","ZipCode": "98074","Country": "USA" } } }{"results": { "__metadata": {"type": "DataServiceProviderDemo.Address"},"Street": "NE 228th","City": "Sammamish","State": "WA","ZipCode": "98074","Country": "USA" } } }

Answer 1

这里是对MartijnPieters解决方案的一个轻微修改，它将处理用空格分隔的JSON字符串。

def json_parse(fileobj, decoder=json.JSONDecoder(), buffersize=2048, 
               delimiters=None):
    remainder = ''
    for chunk in iter(functools.partial(fileobj.read, buffersize), ''):
        remainder += chunk
        while remainder:
            try:
                stripped = remainder.strip(delimiters)
                result, index = decoder.raw_decode(stripped)
                yield result
                remainder = stripped[index:]
            except ValueError:
                # Not enough data to decode, read more
                break

例如，如果data.txt包含由空格分隔的JSON字符串：

{"business_id": "1", "Accepts Credit Cards": true, "Price Range": 1, "type": "food"} {"business_id": "2", "Accepts Credit Cards": true, "Price Range": 2, "type": "cloth"} {"business_id": "3", "Accepts Credit Cards": false, "Price Range": 3, "type": "sports"}

然后

In [47]: list(json_parse(open('data')))
Out[47]: 
[{u'Accepts Credit Cards': True,
  u'Price Range': 1,
  u'business_id': u'1',
  u'type': u'food'},
 {u'Accepts Credit Cards': True,
  u'Price Range': 2,
  u'business_id': u'2',
  u'type': u'cloth'},
 {u'Accepts Credit Cards': False,
  u'Price Range': 3,
  u'business_id': u'3',
  u'type': u'sports'}]

Answer 2

如果您的JSON文档包含一个对象列表，并且您希望一次读取一个对象，那么您可以使用迭代JSON解析器ijson来完成这项工作。它只会在需要解码下一个对象时从文件中读取更多内容。

请注意，您应该将其与YAJL库一起使用，否则您可能看不到任何性能提高。

也就是说，除非您的文件非常大，否则将其完全读入内存，然后使用普通的JSON模块解析它可能仍然是最好的选择。

Answer 3

一般来说，在一个文件中放入多个JSON对象会使该文件无效、损坏JSON。也就是说，您仍然可以使用jsondeconder分块解析数据。raw\u decode（）方法。

以下内容将在解析器找到完整对象时生成它们：

from json import JSONDecoder
from functools import partial


def json_parse(fileobj, decoder=JSONDecoder(), buffersize=2048):
    buffer = ''
    for chunk in iter(partial(fileobj.read, buffersize), ''):
         buffer += chunk
         while buffer:
             try:
                 result, index = decoder.raw_decode(buffer)
                 yield result
                 buffer = buffer[index:].lstrip()
             except ValueError:
                 # Not enough data to decode, read more
                 break

此函数将从buffersize chunks中的给定文件对象中读取chunks，并让解码器从缓冲区解析整个JSON对象。每个解析的对象都会被传递给调用者。

使用方法如下：

with open('yourfilename', 'r') as infh:
    for data in json_parse(infh):
        # process object

仅当您的JSON对象背靠背写入文件，中间没有换行符时才使用此功能。如果您确实有换行符，并且每个JSON对象仅限于一行，则您有一个JSON Lines文档，在这种情况下，您可以使用加载和解析带有Python中多个JSON对象的JSON文件。