如何解析巨大的 JSON 文件而不将其加载到内存中

Question

我有一个包含大约 80000 行的大型 JSON 文件 (2.5MB)。

看起来像这样：

{
  "a": 123,
  "b": 0.26,
  "c": [HUGE irrelevant object],
  "d": 32
}

我只想要为键 a、b 和 d 存储整数值并忽略 JSON 的其余部分（即忽略 c 值中的任何内容）。

我无法修改原始 JSON，因为它是由我从其服务器下载的第 3 方服务创建的。

如何在不将整个文件加载到内存的情况下执行此操作？

我尝试使用 gson 库并像这样创建了 bean：

public class MyJsonBean {
  @SerializedName("a")
  @Expose
  public Integer a;

  @SerializedName("b")
  @Expose
  public Double b;

  @SerializedName("d")
  @Expose
  public Integer d;
}

但即便如此，为了使用 Gson 对其进行反序列化，我需要先下载 + 读取内存中的整个文件，然后将其作为字符串传递给 Gson？

File myFile = new File(<FILENAME>);
myFile.createNewFile();

URL url = new URL(<URL>);
OutputStream out = new BufferedOutputStream(new FileOutputStream(myFile));
URLConnection conn = url.openConnection();

HttpURLConnection httpConn = (HttpURLConnection) conn;

InputStream in = conn.getInputStream();
byte[] buffer = new byte[1024];

int numRead;
while ((numRead = in.read(buffer)) != -1) {
  out.write(buffer, 0, numRead);
}

FileInputStream fis = new FileInputStream(myFile);
byte[] data = new byte[(int) myFile.length()];
fis.read(data);
String str = new String(data, "UTF-8");

Gson gson = new Gson();
MyJsonBean response = gson.fromJson(str, MyJsonBean.class);

System.out.println("a: " + response.a + "" + response.b + "" + response.d);

有什么方法可以避免加载整个文件而只获取我需要的相关值？

Answer 1

您绝对应该检查不同的方法和库。如果您真的关心性能检查：Gson、Jackson 和 JsonPath 库来执行此操作并选择最快的一个。当然，您必须在本地磁盘上加载整个 JSON 文件，可能是 TMP 文件夹，然后解析它。

简单的JsonPath 解决方案如下所示：

import com.jayway.jsonpath.DocumentContext;
import com.jayway.jsonpath.JsonPath;

import java.io.File;

public class JsonPathApp {
    public static void main(String[] args) throws Exception {
        File jsonFile = new File("./resource/test.json").getAbsoluteFile();

        DocumentContext documentContext = JsonPath.parse(jsonFile);
        System.out.println("" + documentContext.read("$.a"));
        System.out.println("" + documentContext.read("$.b"));
        System.out.println("" + documentContext.read("$.d"));
    }
}

注意，我没有创建任何POJO，只是使用类似于XPath 的JSONPath 功能读取给定值。你可以用Jackson做同样的事情：

import com.fasterxml.jackson.databind.JsonNode;
import com.fasterxml.jackson.databind.ObjectMapper;

import java.io.File;

public class JsonPathApp {
    public static void main(String[] args) throws Exception {
        File jsonFile = new File("./resource/test.json").getAbsoluteFile();

        ObjectMapper mapper = new ObjectMapper();
        JsonNode root = mapper.readTree(jsonFile);
        System.out.println(root.get("a"));
        System.out.println(root.get("b"));
        System.out.println(root.get("d"));
    }
}

我们不需要JSONPath，因为我们需要的值直接在root 节点中。如您所见，API 看起来几乎相同。我们也可以创建POJO结构：

import com.fasterxml.jackson.annotation.JsonIgnoreProperties;
import com.fasterxml.jackson.databind.ObjectMapper;

import java.io.File;
import java.math.BigDecimal;

public class JsonPathApp {
    public static void main(String[] args) throws Exception {
        File jsonFile = new File("./resource/test.json").getAbsoluteFile();

        ObjectMapper mapper = new ObjectMapper();
        Pojo pojo = mapper.readValue(jsonFile, Pojo.class);
        System.out.println(pojo);
    }
}

@JsonIgnoreProperties(ignoreUnknown = true)
class Pojo {
    private Integer a;
    private BigDecimal b;
    private Integer d;

    // getters, setters
}

即便如此，这两个库都允许直接从URL 读取JSON 有效负载，我建议使用您能找到的最佳方法在另一个步骤中下载它。欲了解更多信息，请阅读这篇文章：Download a File From an URL in Java。

Answer 2

有一些优秀的库可以用最少的资源解析大型 JSON 文件。一种是流行的GSON library。它与将文件解析为流和对象的效果相同。它会在每条记录通过时对其进行处理，然后丢弃流，从而保持较低的内存使用率。

如果您对使用 GSON 方法感兴趣，这里有一个很好的教程。 Detailed Tutorial

Answer 3

我只希望为键 a、b 和 d 存储整数值并忽略 JSON 的其余部分（即忽略 c 值中的任何内容）。 ...如何在不将整个文件加载到内存的情况下执行此操作？

一种方法是使用jq 所谓的流解析器，使用--stream 选项调用。这正是您想要的，但需要在空间和时间之间进行权衡，并且使用流解析器通常更困难。

在目前的情况下，例如，使用非流式（即默认）解析器，可以简单地编写：

jq '.a, .b, .d' big.json

使用流解析器，您必须编写如下内容：

jq --stream 'select(length==2 and .[0][-1] == ("a","b","c"))[1]' big.json

或者如果您愿意：

jq -c --stream '["a","b","d"] as $keys | select(length==2 and (.[0][-1] | IN($keys[])))[1]' big.json

Java 和 jq 的注意事项

虽然有 jq 的 Java 绑定（请参阅 jq FAQ 中的“?：Java 可以使用哪些语言绑定？”），但我不知道任何与 --stream 选项一起使用的方法。

但是，由于 2.5MB 对于 jq 来说很小，因此您可以使用可用的 Java-jq 绑定之一，而无需使用流解析器。