如何有效地漂亮打印 JSON 对象列表？ [复制]答案

【问题标题】：How do I efficiently pretty-print a list of JSON objects? [duplicate]如何有效地漂亮打印 JSON 对象列表？ [复制]
【发布时间】：2013-08-25 15:35:06
【问题描述】：

我在一个文本文件中有一个丑陋的 JSON 对象列表，每行一个。我想让它们打印得很好，并将结果发送到一个文件中。

我尝试使用 json.tool 的命令行 python 版本：

parallel python -mjson.tool < jsonList

但是，在解析这个 json 时似乎出了点问题，因为 python 的 json.tool 试图将它作为多个参数打开并因此抛出：

IOError: [Errno 2] No such file or directory: {行内容，包含单引号、空格、双引号}

如何强制将每个行分隔的对象视为模块的单个参数？直接在 python 中打开文件并连续处理它是一个低效的解决方案，因为文件很大。尝试这样做会占用 CPU。

【问题讨论】：

是的。一个数 GB 的文本文件。

标签： python bash gnu-parallel

【解决方案1】：

默认情况下，GNU Parallel 会将输入作为参数放在命令行上。所以你要做的是：

python -mjson.tool \[\"cheese\",\ \{\"cake\":\[\"coke\",\ null,\ 160,\ 2\]\}\]

但你想要的是：

echo \[\"cheese\",\ \{\"cake\":\[\"coke\",\ null,\ 160,\ 2\]\}\] | python -mjson.tool

GNU Parallel 可以通过 --pipe -N1 做到这一点：

parallel -N1 --pipe python -mjson.tool < jsonList

10秒安装：

wget -O - pi.dk/3 | bash

观看介绍视频以快速了解： https://www.youtube.com/playlist?list=PL284C9FF2488BC6D1 或在

浏览教程（man parallel_tutorial）。你命令行爱你。

【讨论】：

这是我认为我想要的东西，尽管它比我想象的要慢！

【解决方案2】：

嗯，json 模块已经有一些与您的想法相似的东西。

>>> import json
>>>
>>> my_json = '["cheese", {"cake":["coke", null, 160, 2]}]'
>>> parsed = json.loads(my_json)
>>> print json.dumps(parsed, indent=4, sort_keys=True)
[
    "cheese", 
    {
        "cake": [
            "coke", 
            null, 
            160, 
            2
        ]
    }
]

您可以在r 模式下使用open 从文本文件中输入my_json。

【讨论】：

我避免在 python 脚本中直接使用 open 命令，因为我不知道 python 会对 2 GB 的文本文件做什么。
看看@这个：stackoverflow.com/questions/7134338/…
@airza：“打开”文件并不意味着“将整个文件加载到内存中”。只需逐行迭代 (for line in file) 并按所示进行转换。无论文件有多大，它都可以工作。
这个答案有效，但它与 CPU 挂钩，这就是为什么我试图在机器的 16 个内核上并行化进程。也许它不会比简单的答案更快，但我想知道 - 因此提出我提出的问题。
@airza：嗯，它是一个 2 GB 的文件，不管你用什么，都需要时间。如果您需要快速实现，那么为什么不使用 pypy？它比普通的 Python 快得多。但是，我怀疑会有太大的变化，因为 open() 是直接用 C 编写的，所以我真的认为它不会比这更快。

【解决方案3】：

我的方法有两个问题，我最终解决了：

默认的并行化将为每个线程生成一个新的 python VM，这很……慢。好慢。

默认的 json.tool 执行简单的实现，但不知何故混淆了传入参数的数量。

这是我写的：

import sys
import json
for i in sys.argv[1:]:
    o = json.loads(i)
    json.dump(o, sys.stdout, indent=4, separators=(',',': '))

然后这样称呼它：

parallel -n 500 python fastProcess.py prettyfileout

我不太确定 n 的最佳值，但由于能够使用多核，该脚本的挂钟时间比简单实现快 4-5 倍。

【讨论】：