- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个充满 json
文件的目录,如下所示:
json/
checkpoint_01.json
checkpoint_02.json
...
checkpoint_100.json
其中每个文件都有数千个 json
对象,逐行转储。
{"playlist_id": "37i9dQZF1DZ06evO2dqn7O", "user_id": "spotify", "sentence": ["Lil Wayne", "Wiz Khalifa", "Imagine Dragons", "Logic", "Ty Dolla $ign", "X Ambassadors", "Machine Gun Kelly", "X Ambassadors", "Bebe Rexha", "X Ambassadors", "Jamie N Commons", "X Ambassadors", "Eminem", "X Ambassadors", "Jamie N Commons", "Skylar Grey", "X Ambassadors", "Zedd", "Logic", "X Ambassadors", "Imagine Dragons", "X Ambassadors", "Jamie N Commons", "A$AP Ferg", "X Ambassadors", "Tom Morello", "X Ambassadors", "The Knocks", "X Ambassadors"]}
{"playlist_id": "37i9dQZF1DZ06evO1A0kr6", "user_id": "spotify", "sentence": ["RY X", "ODESZA", "RY X", "Thomas Jack", "RY X", "Rhye", "RY X"]}
(...)
<小时/>
我知道我可以将所有文件合并为一个,如下所示:
def combine():
read_files = glob.glob("*.json")
with open("merged_playilsts.json", "wb") as outfile:
outfile.write('[{}]'.format(
','.join([open(f, "rb").read() for f in read_files])))
但最后我需要使用以下脚本解析一个大的 json
文件:
parser.py
"""
Passes extraction output into `word2vec`
and prints results as JSON.
"""
from __future__ import absolute_import, unicode_literals
import json
import click
from numpy import array as np_array
import gensim
class LineGenerator(object):
"""Reads a sentence file, yields numpy array-wrapped sentences
"""
def __init__(self, fh):
self.fh = fh
def __iter__(self):
for line in self.fh.readlines():
yield np_array(json.loads(line)['sentence'])
def serialize_rankings(rankings):
"""Returns a JSON-encoded object representing word2vec's
similarity output.
"""
return json.dumps([
{'artist': artist, 'rel': rel}
for (artist, rel)
in rankings
])
@click.command()
@click.option('-i', 'input_file', type=click.File('r', encoding='utf-8'),
required=True)
@click.option('-t', 'term', required=True)
@click.option('--min-count', type=click.INT, default=5)
@click.option('-w', 'workers', type=click.INT, default=4)
def cli(input_file, term, min_count, workers):
# create word2vec
model = gensim.models.Word2Vec(min_count=min_count, workers=workers)
model.build_vocab(LineGenerator(input_file))
try:
similar = model.most_similar(term)
click.echo( serialize_rankings(similar) )
except KeyError:
# really wish this was a more descriptive error
exit('Could not parse input: {}'.format(exc))
if __name__ == '__main__':
cli()
<小时/>
问题:
那么,如何将 json/
文件夹中的所有 json
对象合并到一个文件中,最终每行一个 json
对象?
注意:内存是这里的一个问题,因为所有文件总计 4 GB。
最佳答案
如果内存是一个问题,您很可能希望使用生成器按需加载每一行。以下解决方案假定 Python 3:
# get a list of file paths, you can do this via os.listdir or glob.glob... however you want.
my_filenames = [...]
def stream_lines(filenames):
for name in filenames:
with open(name) as f:
yield from f
lines = stream_lines(my_filenames)
def stream_json_objects_while_ignoring_errors(lines):
for line in lines:
try:
yield json.loads(line)
except Exception as e:
print(“ignoring invalid JSON”)
json_objects = stream_json_objects_while_ignoring_errors(lines)
for obj in json_objects:
# now you can loop over the json objects without reading all the files into memory at once
# example:
print(obj["sentence"])
请注意,为了简单起见,我省略了错误处理和处理空行或文件打开失败等详细信息。
关于python - 将多个文件中的 json 对象逐行合并到一个文件中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55310418/
最近开始学习MongoDB。今天老师教了我们 mongoexport 命令。在练习时,我遇到了一个典型的问题,包括教练在内的其他同学都没有遇到过。我在我的 Windows 10 机器上使用 Mongo
我是 JSON Schema 的新手,读过什么是 JSON Schema 等等。但我不知道如何将 JSON Schema 链接到 JSON 以针对该 JSON Schema 进行验证。谁能解释一下?
在 xml 中,我可以在另一个 xml 文件中包含一个文件并使用它。如果您的软件从 xml 获取配置文件但没有任何方法来分离配置,如 apache/ngnix(nginx.conf - site-av
我有一个 JSON 对象,其中包含一个本身是 JSON 对象的字符串。我如何反序列化它? 我希望能够做类似的事情: #[derive(Deserialize)] struct B { c: S
考虑以下 JSON { "a": "{\"b\": 12, \"c\": \"test\"}" } 我想定义一个泛型读取 Reads[Outer[T]]对于这种序列化的 Json import
关闭。这个问题不满足Stack Overflow guidelines .它目前不接受答案。 想改善这个问题吗?更新问题,使其成为 on-topic对于堆栈溢出。 11 个月前关闭。 Improve
我的旧项目在 MySQL 中有 Standard JSON 格式的数据。 对于我在 JS (Node.js) 和 DynamoDB 中的全新项目,关于 Standard JSON格式: 是否建议将其转
JSON 值字符串、数字、true、false、null 是否是有效的 JSON? 即,是 true 一个有效的 JSON 文档?还是必须是数组/对象? 一些验证器接受这个(例如 http://jso
我有一个 JSON 字符串,其中一个字段是文本字段。这个文本字段可以包含用户在 UI 中输入的文本,如果他们输入的文本是 JSON 文本,也许是为了说明一些编码,我需要对他们的文本进行编码,以便它不会
我正在通过 IBM MQ 调用处理数据,当由 ColdFusion 10 (10,0,11,285437) 序列化时,0 将作为 +0.0 返回,它会导致无效的 JSON并且无法反序列化。 stPol
我正在从三个数组中生成一个散列,然后尝试构建一个 json。我通过 json object has array 成功了。 require 'json' A = [['A1', 'A2', 'A3'],
我从 API 接收 JSON,响应可以是 30 种类型之一。每种类型都有一组唯一的字段,但所有响应都有一个字段 type 说明它是哪种类型。 我的方法是使用serde .我为每种响应类型创建一个结构并
我正在下载一个 JSON 文件,我已将其检查为带有“https://jsonlint.com”的有效 JSON 到文档目录。然后我打开文件并再次检查,结果显示为无效的 JSON。这怎么可能????这是
我正在尝试根据从 API 接收到的数据动态创建一个 JSON 对象。 收到的示例数据:将数据解码到下面给出的 CiItems 结构中 { "class_name": "test", "
我想从字符串转换为对象。 来自 {"key1": "{\n \"key2\": \"value2\",\n \"key3\": {\n \"key4\": \"value4\"\n }\n
目前我正在使用以下代码将嵌套的 json 转换为扁平化的 json: import ( "fmt" "github.com/nytlabs/gojsonexplode" ) func
我有一个使用来自第三方 API 的数据的应用程序。我需要将 json 解码为一个结构,这需要该结构具有“传入”json 字段的 json 标签。传出的 json 字段具有不同的命名约定,因此我需要不同
我想使用 JSON 架构来验证某些值。我有两个对象,称它们为 trackedItems 和 trackedItemGroups。 trackedItemGroups 是组名称和 trackedItem
考虑以下案例类模式, case class Y (a: String, b: String) case class X (dummy: String, b: Y) 字段b是可选的,我的一些数据集没有字
我正在存储 cat ~/path/to/file/blah | 的输出jq tojson 在一个变量中,稍后在带有 JSON 内容的 curl POST 中使用。它运作良好,但它删除了所有换行符。我知
我是一名优秀的程序员,十分优秀!