python处理大型json文件的方法

• 如图所示，要处理的数据是一个json数组，而且非常大

• 下图为电脑配置，使用 json.load() 方法加载上述json文件电脑直接卡死

 

 

 

• 解决思路：

　　　　先用python进行预处理，即一整个json数据加载慢，那就分开加载，每次加载一个json对象，然后使用 json.dumps()方法 存储到txt中，方便读取。当然也可以存储到内存中，根据情况而定。

　　　　算法思想：因为 json 是一种结构化的数据，所以 {} 是成对存在的。因为使用逐行读取的方法读入json文件，所以根据 {} 的数量来判断是否读取了一个完整的json对象，如果是完整的，则使用 json.dumps()方法 存储到txt中。

　　　　getUsefullData(temp + line,id)这个方法是提取自己需要的数据

def jsonProcess(fileName,round):
    id = 1
    with open(fileName, 'r', encoding='utf-8') as f,open('../tempData/tempFile'+str(round)+'.txt','w') as tempFile:
        # content = ijson.items(f, '_source.item')
        # content = json.load(f)
        line = f.readline()
        line = f.readline()
        temp = ''
        khNum = 0
        id = 1
        while line:
            # print(line)
            if line.find('{') != -1:
                khNum += 1
            if line.find('}') != -1:
                khNum -= 1
            if khNum == 0:
                line = line.replace(',','')
                try:
                    data = getUsefullData(temp + line,id)
                    id += 1
                    if len(data) > 1:
                        # print(data)
                        tempFile.write(json.dumps(data)+'\n')
                    temp = ''
                    line = f.readline()
                    continue
                except BaseException:
                    break
            temp += line
            line = f.readline()

　　　　　　读取方法：

with open('../tempData/tempFile'+str(round)+'.txt') as f:
        dataList = f.readlines()
        # 解析保存好的list
        for data in dataList:
            data = json.loads(data)