编程语言
首页 > 编程语言> > c#-分割大JSON文件的策略

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)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