c# - 拆分大型 JSON 文件的策略

Question

我正在尝试将给定数组的非常大的 JSON 文件拆分为较小的文件。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 是一个很大的数字

用户提供代表要分割的数组的名称(在本例中为“headerName3”)和每个文件的数组对象的数量，例如1,000,000

这将产生 N 个文件，每个文件都包含顶级名称:值对(headerName1、headerName3)以及每个文件中最多 1,000,000 个 headerName3 对象。

我正在使用优秀的 Newtonsof JSON.net 并了解我需要使用流来完成此操作。

到目前为止，我已经查看了 JToken 对象中的读取，以确定读取 token 时 PropertyName == "headerName3"发生的位置，但我想做的是读取数组中每个对象的整个 JSON 对象并且不必继续将 JSON 解析为 JToken；

这是我迄今为止正在构建的代码片段:

        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(事实上，也不关心)JSON 本身的结构，并且数组中的对象可以具有不同的结构。因此，我不会序列化为类。

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？

感谢任何帮助。

Answer 1

您可以使用JsonWriter.WriteToken(JsonReader reader, true)从 JsonReader 流式传输各个数组条目及其后代到 JsonWriter 。您还可以使用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，用于解析 JSON 文件、迭代根对象、加载“前缀”和“后缀”属性、拆分数组属性以及写入前缀、数组切片和后缀属性输出到新文件。

下面是一个原型(prototype)实现，它采用 TextReader 和回调函数来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)
                {
                }

        }
    }

此方法使所有文件保持打开状态，直到最后，以防需要附加出现在数组属性之后的“后缀”属性。请注意，有一个 limit of 16384 open files at one time ，所以如果你需要创建更多的分割文件，这将不起作用。如果在实践中从未遇到后缀属性，您可以在打开下一个文件之前关闭每个文件，并在发现任何后缀属性时抛出异常。否则，您可能需要分两次解析大文件，或者关闭并重新打开分割文件以追加它们。

以下是如何使用该方法与内存中 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(prototype) fiddle .