将json数据与Python中的测试混合分析
将json数据与Python中的测试混合分析
提问于 2022-08-23 19:45:43
我有一个包含混合纯文本的json对象的报告，如下所示：
Payload
0x0000: some text
text
{
"text1": {
"text2": {
"text3": "value3",
"text4": "value4",
"text5": "value5"
},
"text6": "value6",
"text7": "value7"
},
"text8": "value8"
}
Payload 2
0x0001: some other text
other text
{
"text1": {
"text2": {
"text3": "value3",
"text4": "value4",
"text5": "value5"
},
"text6": "value6",
"text7": "value7"
},
"text8": "value8"
}我想要做的是读取文件，提取这些json对象，并从每个对象中获取特定的值。问题是报告很大，json对象之间的纯文本并不是每次都包含相同的单词。我尝试的是使用json.loads(.)(失败)和json.dumps(.)它不会忽略这些纯文本字符串。
filedes = open(path, "r")
# Reading the whole file
text = filedes.read()
text = json.dumps(text)对于如何在不手动删除这些纯文本行的情况下解析这些文本行，有什么想法吗？
回答 3
Stack Overflow用户
回答已采纳
发布于 2022-08-23 20:27:46
假设在这些情况下，对象之间的随机文本永远不会匹配，在读取期间，忽略所有不以开头的行(我假设json也可以用括号出现)：
(
[]{}- (empty空间)
regex示例:匹配^[^\{\}\[\] ].*$并使用nothing替换。
^匹配line[的开头将打开一个字符class^，该字符在组的开头与group\{\}\[\]中不匹配的所有内容匹配，其中每个字符都用\转义，匹配文字{}[](包括空空间)。由于字符类被否定，所以匹配所有不是items.]的字符class.*匹配after$匹配到行
末尾的所有内容。
可能您需要根据您的操作方式(引擎和输入方法组合)来避免反斜杠本身。
但是，请记住，下面这样的字符串还不是有效的json。
{
"text1": { ... },
"text8": "value8"
}
{
"text1": { ... },
"text8": "value8"
}您仍然需要拆分它自己的对象中的每个对象，或者(如下所示)将它们封装在一个数组中，并在每个对象之间添加逗号。
[{
"text1": { ... },
"text8": "value8"
},
{
"text1": { ... },
"text8": "value8"
}]因此，在第一个正则表达式中，可以用逗号代替要忽略的行，然后删除重复的逗号(将^,(\r?\n,)+$替换为, )。最后，修剪尾随和引导逗号，并添加一个领先的[和尾随的]。
^,匹配以comma(开头的行打开一个group\r?\n,匹配换行符(匹配\r\n，\r是可选的)，而comma)+关闭一个组，但是由于+，所有这个组必须匹配1次或更多次(因此，在第一个逗号之后，换行符+逗号可以重复indefinitely)$匹配字符串
的结尾
代码中的一个示例(使用regex101.com中的帮助生成，然后修改)：
import re
regex_invalid_lines = r"^[^\{\}\[\] ].*$"
regex_duplicate_commas = r"^,(\r?\n,)+$"
test_str = ("Payload\n"
"0x0000: some text\n"
"text\n"
"{\n"
" \"text1\": {\n"
" \"text2\": {\n"
" \"text3\": \"value3\",\n"
" \"text4\": \"value4\",\n"
" \"text5\": \"value5\"\n"
" },\n"
" \"text6\": \"value6\",\n"
" \"text7\": \"value7\"\n"
" },\n"
" \"text8\": \"value8\"\n"
"}\n"
"Payload 2\n"
"0x0001: some other text\n"
"other text\n"
"{\n"
" \"text1\": {\n"
" \"text2\": {\n"
" \"text3\": \"value3\",\n"
" \"text4\": \"value4\",\n"
" \"text5\": \"value5\"\n"
" },\n"
" \"text6\": \"value6\",\n"
" \"text7\": \"value7\"\n"
" },\n"
" \"text8\": \"value8\"\n"
"}")
partial_result = re.sub(regex_invalid_lines, ",", test_str, 0, re.MULTILINE)
partial_result = re.sub(regex_duplicate_commas, ",", partial_result, 0, re.MULTILINE)
# without multiline to match literal beginning/end of string
# ^,|,$ matches both leading comma and trailing comma
partial_result = re.sub("^,|,$", "", partial_result)
result = f"[{partial_result}]"
if result:
print (result)Stack Overflow用户
发布于 2022-08-23 19:48:31
您可以尝试循环遍历每一行，然后写入一个单独的文件，从您的行={并在一行=}之后停止时开始。
Stack Overflow用户
发布于 2022-08-23 20:21:20
您需要解析整个文件并跟踪对象的边界。
import json
values = []
with open('data.txt') as f:
in_object = False
data = None
for line in f.readlines():
line = line.strip()
if line == "}":
if data is not None:
data.append(line)
content = '\n'.join(data)
values.append(json.loads(content))
in_object = False
elif line == "{":
in_object = True
data = [line]
else:
if in_object and data is not None:
data.append(line)
print(f'Found {len(values)} values')
for v in values:
print(v)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/73464359
复制相关文章
相似问题
腾讯云开发者
