在简单的 perl 或简单的 unix 中分解 JSON 字符串？

Question

好的，我有这个

{"status":0,"id":"7aceb216d02ecdca7ceffadcadea8950-1","hypotheses":[{"utterance":"hello how are you","confidence":0.96311796}]}

目前我正在使用这个 shell 命令对其进行解码以获得我需要的字符串，

echo $x | grep -Po '"utterance":.*?[^\\]"' | sed -e s/://g -e s/utterance//g -e 's/"//g'

但这仅适用于您使用 perl 编译的 grep 以及我用来获取 JSON 字符串的脚本是用 perl 编写的，所以有什么方法可以在简单的 perl 脚本或更简单的脚本中进行相同的解码unix 命令，还是更好的 c 或 Objective-c？

我用来获取 json 的脚本在这里，http://pastebin.com/jBGzJbMk，如果你想使用文件，请下载http://trevorrudolph.com/a.flac

Answer 1

怎么样：

perl -MJSON -nE 'say decode_json($_)->{hypotheses}[0]{utterance}'

脚本形式：

use JSON;
while (<>) {
   print decode_json($_)->{hypotheses}[0]{utterance}, "\n"
}

Answer 2

好吧，我不确定我是否能正确推断出你所追求的，但这是一种在 perl 中解码 JSON 字符串的方法。

当然，您需要了解数据结构才能获得所需的数据。打印“话语”字符串的行在下面的代码中被注释掉了。

use strict;
use warnings;
use Data::Dumper;
use JSON;

my $json = decode_json 
q#{"status":0,"id":"7aceb216d02ecdca7ceffadcadea8950-1","hypotheses":[{"utterance":"hello how are you","confidence":0.96311796}]}#;
#print $json->{'hypotheses'}[0]{'utterance'};
print Dumper $json;

输出：

$VAR1 = {
          'status' => 0,
          'hypotheses' => [
                            {
                              'utterance' => 'hello how are you',
                              'confidence' => '0.96311796'
                            }
                          ],
          'id' => '7aceb216d02ecdca7ceffadcadea8950-1'
        };

快速破解：

while (<>) {
    say for /"utterance":"?(.*?)(?<!\\)"/;
}

或者作为单行：

perl -lnwe 'print for /"utterance":"(.+?)(?<!\\)"/g' inputfile.txt

如果你碰巧使用的是 Windows，那么单行就很麻烦，因为 " 是由 shell 解释的。

快速破解#2：

这有望通过任何哈希结构并找到键。

my $json = decode_json $str;
say find_key($json, 'utterance');

sub find_key {
    my ($ref, $find) = @_;
    if (ref $ref) {
        if (ref $ref eq 'HASH' and defined $ref->{$find}) {
            return $ref->{$find};
        } else {
            for (values $ref) {
                my $found = find_key($_, $find);
                if (defined $found) {
                    return $found;
                }
            }
        }
    }
    return;
}

Answer 3

根据命名，可能有多个假设。打印每个假设的话语：

echo '{"status":0,"id":"7aceb216d02ecdca7ceffadcadea8950-1","hypotheses":[{"utterance":"hello how are you","confidence":0.96311796}]}' | \
   perl -MJSON::XS -n000E'
      say $_->{utterance}
         for @{ JSON::XS->new->decode($_)->{hypotheses} }'

或者作为脚本：

use feature qw( say );
use JSON::XS;
my $json = '{"status":0,"id":"7aceb216d02ecdca7ceffadcadea8950-1","hypotheses":[{"utterance":"hello how are you","confidence":0.96311796}]}';
say $_->{utterance}
   for @{ JSON::XS->new->decode($json)->{hypotheses} };

Answer 4

如果您不想使用 CPAN 中的任何模块并尝试使用正则表达式，您可以尝试多种变体：

# JSON is on a single line:
$json = '{"other":"stuff","hypo":[{"utterance":"hi, this is \"bob\"","moo":0}]}';
# RegEx with negative look behind:
# Match everything up to a double quote without a Backslash in front of it
print "$1\n" if ($json =~ m/"utterance":"(.*?)(?<!\\)"/)

如果只有一个话语，则此正则表达式有效。它周围的字符串中还有什么并不重要，因为它只搜索话语键后面的双引号字符串。

对于更强大的版本，您可以在必要/可能的地方添加空格，并使 RegEx 中的 . 匹配换行符：m/"utterance"\s*:\s*"(.*?)(?<!\\)"/s

如果您有多个话语置信度哈希/对象条目、JSON 字符串的大小写变化和奇怪的格式，请尝试以下操作：

# weird JSON:
$json = <<'EOJSON';
{
    "status":0,
    "id":"an ID",
    "hypotheses":[
        {
            "UtTeraNcE":"hello my name is \"Bob\".",
            "confidence":0.0
        },
        {
            'utterance' : 'how are you?',
            "confidence":0.1
        },
        {
            "utterance"
                : "
                thought
                so!
                ",
            "confidence" : 0.9
        }
    ]
}
EOJSON
# RegEx with alternatives:
print "$1\n" while ( $json =~ m/["']utterance["']\s*:\s*["'](([^\\"']|\\.)*)["']/gis);

这个正则表达式的主要部分是"(([^\\"]|\\.)*)"。详细描述为扩展正则表达式：

/
["']    # opening quotes
(       # start capturing parentheses for $1
(       # start of grouping alternatives
[^\\"'] # anything that's not a backslash or a quote
|       # or
\\.     # a backslash followed by anything
)       # end of grouping
*       # in any quantity
)       # end capturing parentheses
["']    # closing quotes
/xgs

如果您有许多数据集并且速度是一个问题，您可以将 o 修饰符添加到正则表达式并使用字符类而不是 i 修饰符。您可以使用聚类括号 (?:pattern) 禁止捕获 $2 的替代项。然后你得到这个最终结果：

m/["'][uU][tT][tT][eE][rR][aA][nN][cC][eE]["']\s*:\s*["']((?:[^\\"']|\\.)*)["']/gos

是的，有时 perl 看起来像是支架工厂的一次大爆炸；-)

Answer 5

刚刚偶然发现了另一种很好的方法，我终于找到了如何访问 Mac OS X JavaScript 引擎表单命令行，这是脚本，

alias jsc='/System/Library/Frameworks/JavaScriptCore.framework/Versions/A/Resources/jsc'
x='{"status":0,"id":"7aceb216d02ecdca7ceffadcadea8950-1","hypotheses":[{"utterance":"hello how are you","confidence":0.96311796}]}'
jsc -e "print(${x}['hypotheses'][0]['utterance'])"

Answer 6

呃，是的，我想出了另一个答案，我正在学习 python，它读取其 python 格式和与 json 格式相同的数组，所以，当你的变量是 x 时，我只做了这个衬里

python -c "print ${x}['hypotheses'][0]['utterance']"

Answer 7

为 unix 解决了这个问题，但希望看到您的 perl 和 c、objective-c 答案...

echo $X | sed -e 's/.*utterance//' -e 's/confidence.*//' -e s/://g -e 's/"//g' -e 's/,//g'

:D

同一 sed 的较短副本：

echo $X | sed -e 's/.*utterance//;s/confidence.*//;s/://g;s/"//g;s/,//g'