? ? ? ?最近在工作中遇到了嵌套多層的json串，不僅包括類似于python字典的嵌套，里面還有數(shù)組的嵌套。

? ? ? ?具體的例子如下，在這里列舉了三個(gè)例子，其實(shí)處理了大約500萬條，雖然嵌套也挺多，但相對(duì)于專業(yè)的爬蟲工程師來說，這肯定是小意思而已。這個(gè)json串的意思是一個(gè)企業(yè)所對(duì)應(yīng)的規(guī)則，前面是企業(yè)的id（因?yàn)楸Ｃ埽云髽I(yè)id肯定更改了），因?yàn)楸救耸窃诘蔚危詫?duì)應(yīng)的規(guī)則當(dāng)然是用車規(guī)則了，還是因?yàn)楸Ｃ埽砸?guī)則的具體內(nèi)容也不介紹了，只需要知道json串中的一個(gè)鍵值對(duì)對(duì)應(yīng)一個(gè)規(guī)則即可。這里的需求是將所有嵌套去掉，將規(guī)則平鋪，還要求出規(guī)則的數(shù)量。

?

1、"company_id":103619980061540? ? ? ? ? ? ? ?{"use_car_time":[],"use_car_position":[],"use_car_srv":[{"use_car_type":201,"require_level":[100,400,200]},{"use_car_type":301,"require_level":[600]},{"use_car_type":401,"require_level":[]},{"use_car_type":501,"require_level":[1000]}]}
2、"company_id":82920293004? ? ? ? ? ? ? {"use_car_position":{"cities_on":[{"id":5,"name":"\u676d\u5dde"}],"cities_off":[{"id":5,"name":"\u676d\u5dde"}],"cross_city":0},"use_car_srv":[{"use_car_type":"204","require_level":[100]},{"use_car_type":"203","require_level":[100]},{"use_car_type":"205","require_level":[100]},{"use_car_type":"206","require_level":[100]},{"use_car_type":"301","require_level":[600,900]},{"use_car_type":"305","require_level":[600,900]},{"use_car_type":"306","require_level":[600,900]}],"use_car_time":[]}}
3、"company_id":9019188294800? ? ? ? ? ? ? ? ? ? ? ? ?{"use_car_position":[],"use_car_srv":[{"use_car_type":201,"require_level":[100]},{"use_car_type":301,"require_level":[600]}],"use_car_time":{"public":{"work":{"start_time":"00:00","end_time":"23:59"},"holiday":[]}}}

4、"company_id":103619980061540? ? ? ? ? ? ? ?{"use_car_time":[],"use_car_position":[],"use_car_srv":[{"use_car_type":201,"require_level":[100,400,200]},{"use_car_type":301,"require_level":[600]},{"use_car_type":401,"require_level":[]},{"use_car_type":501,"require_level":[1000]}]}

?

下面奉上代碼與解析~~
?

            
              import json
import csv
import pandas as pd
dic={}
a=[]
    # 判斷是否是字典
    
    
    if isinstance(jsonObj, dict):
        for key in jsonObj:
            if key=='id':
                continue
            # value是數(shù)組
            elif isinstance(jsonObj[key], list):
                # 數(shù)組元素
            
                if len(jsonObj[key]) > 0:
                    if isinstance(jsonObj[key][0], dict):
                        flatten(jsonObj[key], result)
                    else:
                        
                        try:
                            result.append(key + ':' + str(jsonObj[key]))
                        except BaseException:
                            print('錯(cuò)誤')
                        else:
                            continue
                else:
                    continue
            # value是字典
            elif isinstance(jsonObj[key], dict):
                flatten(jsonObj[key], result)
            else:
                try:
                
                    result.append(key + ':' + str(jsonObj[key]))
                except BaseException:
                    print('錯(cuò)誤')
                else:
                    continue
    # 如果是數(shù)組
    else:
        for item in jsonObj:
            flatten(item, result)
def parse(fpath):
    id_list=[]
    json_list=[]
    my_dict={}
    
    #result_file = open(r'C:\Users\wzywangzhongyuan_i\Desktop\jsonfile\jsonbbb.csv', 'w', encoding='utf8')
    with open(fpath, newline='') as csvfile:
        next(csvfile)
        reader = csv.reader(csvfile, delimiter=',',quotechar='"')
        for row in reader:
            result = []
            try:
                flatten(json.loads(row[1]), result)
                id_list.append(row[0])
                json_list.append(result)
            except BaseException:
                print('錯(cuò)誤')
            else:
                continue
        #print(json_list)  
        my_dict['company_id']=id_list
        my_dict['json_info']=json_list
       # print(my_dict)
        my_frame=pd.DataFrame(my_dict)
        #print(my_frame)
        my_frame2=my_frame.groupby('company_id',as_index=False).sum()
        #print(my_frame2)
        my_frame2['guize']=my_frame2['json_info'].map(set)
        my_frame3=my_frame2.drop(['json_info'],axis=1)
        my_frame3['cnt']=list(map(lambda x: len(list(x)), my_frame3['guize']))
        print(my_frame3)
    return my_frame3
        

my_frame3=parse(r'C:\Users\wzywangzhongyuan_i\Desktop\hebing\all.csv')
my_frame3.to_csv(r'C:\Users\wzywangzhongyuan_i\Desktop\jsonfile\jsonbbb.csv', sep=',', header=True, index=True)
            
          

這里用的是python解決的，因?yàn)樾枨笫且蟪鲦I值對(duì)的數(shù)量，并且將鍵值對(duì)平鋪，因此在思路是先平鋪，然后再計(jì)算數(shù)量。

平鋪的實(shí)現(xiàn)是對(duì)json串的遍歷過程，采用判斷和循環(huán)組合。計(jì)算數(shù)量則是采用pandas中的dataframe，為什么要這么做呢,因?yàn)樵谔幚淼?00萬數(shù)據(jù)中，有許多id相同，但json串不同數(shù)據(jù)，因此要把相同id的json串進(jìn)行組合，并且剔除json串中相同的規(guī)則。這里使用了groupby和sum函數(shù)，并且用set進(jìn)行去重，再將dataframe寫入csv文件~。