c#-分割大JSON文件的策略
作者：互联网
我正在尝试将非常大的JSON文件拆分为给定数组的较小文件.例如：
{
"headerName1": "headerVal1",
"headerName2": "headerVal2",
"headerName3": [{
"element1Name1": "element1Value1"
},
{
"element2Name1": "element2Value1"
},
{
"element3Name1": "element3Value1"
},
{
"element4Name1": "element4Value1"
},
{
"element5Name1": "element5Value1"
},
{
"element6Name1": "element6Value1"
}]
}
…向下到{“ elementNName1”：“ elementNValue1”},其中N为大数
用户提供代表要拆分的数组的名称(在本示例中为“ headerName3”)和每个文件的数组对象数,例如1,000,000
这将导致N个文件,每个文件包含topname：value对(headerName1,headerName3)以及每个文件中最多1,000,000个headerName3对象.
我使用的是出色的Newtonsof JSON.net,并且了解我需要使用流来执行此操作.
到目前为止,我已经看过JToken对象的读取,以确定在读取令牌时在哪里出现PropertyName ==“ headerName3”,但是我想做的是读取整个JSON对象中数组中的每个对象,而没有继续将JSON解析为JTokens；
这是到目前为止我正在构建的代码的片段：
using (StreamReader oSR = File.OpenText(strInput))
{
using (var reader = new JsonTextReader(oSR))
{
while (reader.Read())
{
if (reader.TokenType == JsonToken.StartObject)
{
intObjectCount++;
}
else if (reader.TokenType == JsonToken.EndObject)
{
intObjectCount--;
if (intObjectCount == 1)
{
intArrayRecordCount++;
// Here I want to read the entire object for this record into an untyped JSON object
if( intArrayRecordCount % 1000000 == 0)
{
//write these to the split file
}
}
}
}
}
}
我不知道-其实而且也不关心-JSON本身的结构,并且对象在数组中可以具有不同的结构.因此,我没有序列化到类.
这是正确的方法吗？我可以轻松地使用JSON.net库中的一组方法来执行此类操作吗？
任何帮助表示赞赏.
解决方法:
您可以使用JsonWriter.WriteToken(JsonReader reader, true)将单个数组条目及其后代从JsonReader流传输到JsonWriter.还可以使用JProperty.Load(JsonReader reader)和JProperty.WriteTo(JsonWriter writer)读取和写入整个属性及其后代.
使用这些方法,您可以创建一个状态机,该状态机解析JSON文件,遍历根对象,加载“ prefix”和“ postfix”属性,拆分array属性,并将prefix,array slice和postfix属性写到新文件.
这是一个原型实现,它采用TextReader和回调函数为拆分文件创建顺序输出TextWriter对象：
enum SplitState
{
InPrefix,
InSplitProperty,
InSplitArray,
InPostfix,
}
public static void SplitJson(TextReader textReader, string tokenName, long maxItems, Func<int, TextWriter> createStream, Formatting formatting)
{
List<JProperty> prefixProperties = new List<JProperty>();
List<JProperty> postFixProperties = new List<JProperty>();
List<JsonWriter> writers = new List<JsonWriter>();
SplitState state = SplitState.InPrefix;
long count = 0;
try
{
using (var reader = new JsonTextReader(textReader))
{
bool doRead = true;
while (doRead ? reader.Read() : true)
{
doRead = true;
if (reader.TokenType == JsonToken.Comment || reader.TokenType == JsonToken.None)
continue;
if (reader.Depth == 0)
{
if (reader.TokenType != JsonToken.StartObject && reader.TokenType != JsonToken.EndObject)
throw new JsonException("JSON root container is not an Object");
}
else if (reader.Depth == 1 && reader.TokenType == JsonToken.PropertyName)
{
if ((string)reader.Value == tokenName)
{
state = SplitState.InSplitProperty;
}
else
{
if (state == SplitState.InSplitProperty)
state = SplitState.InPostfix;
var property = JProperty.Load(reader);
doRead = false; // JProperty.Load() will have already advanced the reader.
if (state == SplitState.InPrefix)
{
prefixProperties.Add(property);
}
else
{
postFixProperties.Add(property);
}
}
}
else if (reader.Depth == 1 && reader.TokenType == JsonToken.StartArray && state == SplitState.InSplitProperty)
{
state = SplitState.InSplitArray;
}
else if (reader.Depth == 1 && reader.TokenType == JsonToken.EndArray && state == SplitState.InSplitArray)
{
state = SplitState.InSplitProperty;
}
else if (state == SplitState.InSplitArray && reader.Depth == 2)
{
if (count % maxItems == 0)
{
var writer = new JsonTextWriter(createStream(writers.Count)) { Formatting = formatting };
writers.Add(writer);
writer.WriteStartObject();
foreach (var property in prefixProperties)
property.WriteTo(writer);
writer.WritePropertyName(tokenName);
writer.WriteStartArray();
}
count++;
writers.Last().WriteToken(reader, true);
}
else
{
throw new JsonException("Internal error");
}
}
}
foreach (var writer in writers)
using (writer)
{
writer.WriteEndArray();
foreach (var property in postFixProperties)
property.WriteTo(writer);
writer.WriteEndObject();
}
}
finally
{
// Make sure files are closed in the event of an exception.
foreach (var writer in writers)
using (writer)
{
}
}
}
如果需要在array属性后出现“ postfix”属性,则此方法将所有文件保持打开状态直至结束.请注意,这里有一个limit of 16384 open files at one time,因此如果您需要创建更多的拆分文件,则此操作将无效.如果实践中从未遇到过postfix属性,则可以在打开下一个文件之前关闭每个文件,并在发现任何postfix属性的情况下引发异常.否则,您可能需要两次分析大型文件,或者关闭并重新打开拆分文件以追加它们.
这是一个如何在内存中使用JSON字符串的示例：
private static void TestSplitJson(string json, string tokenName)
{
var builders = new List<StringBuilder>();
using (var reader = new StringReader(json))
{
SplitJson(reader, tokenName, 2, i => { builders.Add(new StringBuilder()); return new StringWriter(builders.Last()); }, Formatting.Indented);
}
foreach (var s in builders.Select(b => b.ToString()))
{
Console.WriteLine(s);
}
}
原型fiddle.
标签：json-net,stream,json,c 来源： https://codeday.me/bug/20191120/2040698.html