在 bash 中将 CSV 转换为 JSON
Posted
技术标签:
【中文标题】在 bash 中将 CSV 转换为 JSON【英文标题】：Converting CSV to JSON in bash 【发布时间】：2017-11-30 12:51:29 【问题描述】：尝试将 CSV 文件转换为 JSON
这是两个示例行：
-21.3214077;55.4851413;Ruizia cordata
-21.3213078;55.4849803;Cossinia pinnata
我想得到类似的东西：
"occurrences": [
"position": [-21.3214077, 55.4851413],
"taxo":
"espece": "Ruizia cordata"
,
...
]
这是我的脚本：
echo '"occurences": [ '
cat se.csv | while read -r line
do
IFS=';' read -r -a array <<< $line;
echo -n -e ' "position": [' $array[0]
echo -n -e ',' $array[1] ']'
echo -e ', "taxo": "espece":"' $array[2] '"'
done
echo "]";
我得到了非常奇怪的结果：
"occurences": [
""position": [ -21.3214077, 55.4851413 ], "taxo": "espece":" Ruizia cordata
""position": [ -21.3213078, 55.4849803 ], "taxo": "espece":" Cossinia pinnata
我的代码有什么问题？
【问题讨论】：
您是否有理由不使用jq 或其他支持JSON 的工具？使用字符串连接生成 JSON（或其他结构化数据序列化）是......充其量是容易出错的。
除此之外，这里还有很多 的不良做法。您遗漏了一堆基本引用，这样如果您的一个值包含空格包围的 * ，它将被替换为文件名列表。您不必要地使用了-e，因此如果您的JSON 数据包含\n 序列（在JSON 中，它应该完全表示为这些字符），它将被替换为文字换行符； 并且由于-e，您的代码将无法在带有POSIX: standard echo 的shell 上正常工作。
re：顺便说一下，缺少的引用 - 考虑养成通过 shellcheck.net 运行代码的习惯。
【参考方案1】：
适合这项工作的工具是jq。
jq -Rsn '
"occurrences":
[inputs
| . / "\n"
| (.[] | select(length > 0) | . / ";") as $input
| "position": [$input[0], $input[1]], "taxo": "espece": $input[2]]
' <se.csv
根据您的输入发出：
"occurences": [
"position": [
"-21.3214077",
"55.4851413"
],
"taxo":
"espece": "Ruizia cordata"
,
"position": [
"-21.3213078",
"55.4849803"
],
"taxo":
"espece": "Cossinia pinnata"
]
顺便说一句，您的原始脚本的错误较少的版本可能如下所示：
#!/usr/bin/env bash
items=( )
while IFS=';' read -r lat long pos _; do
printf -v item ' "position": [%s, %s], "taxo": "espece": "%s"' "$lat" "$long" "$pos"
items+=( "$item" )
done <se.csv
IFS=','
printf '"occurrences": [%s]\n' "$items[*]"
注意：
绝对没有意义使用cat 管道进入循环（和good reasons not to）；因此，我们使用重定向 (<) 将文件直接作为循环的标准输入打开。
read 可以传递目标变量列表；因此无需读入数组（或 首先 读入字符串，然后生成异端并将其读入数组）。最后的_ 确保丢弃额外的列（通过将它们放入名为_ 的虚拟变量中）而不是附加到pos。
"$array[*]" 通过将array 的元素与IFS 中的字符连接起来生成一个字符串；因此，我们可以使用它来确保逗号仅在需要时出现在输出中。
printf 优先于 echo 使用，如 the specification for echo itself 的“应用使用”部分所述。
这仍然存在固有的错误，因为它通过字符串连接生成 JSON。不要使用它。
【讨论】：
谢谢，不知道 jq。但我无法弄清楚如何输入我的 CSV。行尾的 $s 是什么？ 哦——那是从字符串而不是文件中读取的。抱歉，在测试中留下了它。 实际上，我在不久前将其编辑了 -- 您能否刷新一下以确保您看到的是当前版本的答案？ 那是一些漂亮的东西，谢谢...我喜欢在那里使用输入。【参考方案2】：这是一个可以解决问题的 python 单行/脚本：
cat my.csv | python -c 'import csv, json, sys; print(json.dumps([dict(r) for r in csv.DictReader(sys.stdin)]))'
【讨论】：
这应该是公认的解决方案——它适用于所有有效负载。 jq 版本是一次性的，需要煞费苦心地匹配架构 我喜欢这个主意。我稍作修改以写入文件...cat in.csv | python -c 'import csv, json, sys; f = open("out.json", "x"); f.write(json.dumps([dict(r) for r in csv.DictReader(sys.stdin)])); f.close()'
要将其写入文件只需在末尾添加| > filename.json。像这样：cat my.csv | python -c 'import csv, json, sys; print(json.dumps([dict(r) for r in csv.DictReader(sys.stdin)]))' | > my.json
@btk，不，它不应该......它根本没有解决对 json 输出中命名实体的需求。如果 CVS 已命名标题，它可能会做正确的事情（我没有数据或时间来创建它来验证它是否会这样做）。
@tink imo 向 .csv 文件添加标头比使用复杂的 jq 查询更容易【参考方案3】：
接受的答案使用jq 来解析输入。这可行，但 jq 不处理转义，即来自 Excel 或类似工具生成的 CSV 的输入引用如下：
foo,"bar,baz",gaz
将导致错误的输出，因为 jq 将看到 4 个字段，而不是 3 个。
一种选择是使用制表符分隔值而不是逗号（只要您的输入数据不包含制表符！），以及接受的答案。
另一种选择是组合您的工具，并为每个部分使用最佳工具：CSV 解析器用于读取输入并将其转换为 JSON，jq 用于将 JSON 转换为目标格式。
基于 python 的csvkit 将智能地解析 CSV，并附带一个工具csvjson，它可以更好地将 CSV 转换为 JSON。然后可以通过 jq 管道将 csvkit 的平面 JSON 输出转换为目标形式。
使用 OP 提供的数据，对于所需的输出，这很简单：
csvjson --no-header-row |
jq '.[] | occurrences: [ position: [.a, .b], taxo: espece: .c]'
请注意，csvjson 会自动将 ; 检测为分隔符，并且在输入中没有标题行，将 json 键分配为 a、b 和 c。
这同样适用于写入到 CSV 文件——csvkit 可以读取 JSON 数组或换行分隔的 JSON，并通过in2csv 智能输出 CSV。
【讨论】：
完美，谢谢！我知道必须有比使用jq 解析 CSV 更好的方法！【参考方案4】：
这是一篇关于这个主题的文章：https://infiniteundo.com/post/99336704013/convert-csv-to-json-with-jq
它也使用 JQ，但使用 split() 和 map() 的方法有点不同。
jq --slurp --raw-input \
'split("\n") | .[1:] | map(split(";")) |
map(
"position": [.[0], .[1]],
"taxo":
"espece": .[2]
)' \
input.csv > output.json
不过，它不处理分隔符转义。
【讨论】：
这是一个很好的通用方法！也许您可以编辑以使用 OP 的数据结构？ （或者是否欢迎第三方编辑这样做？） @CharlesDuffy，我试了一下，但未经测试 - 随时修复/改进。 需要一些小的调整——从 ',' 更改为 ';'作为分隔符，将".[3]"改为.[2]；并且--raw-output 没有任何用途（当输出不是字符串时会被忽略）。
另外，.[1:]（跳过第一行）仅适用于输入有标题的情况；博客文章中确实如此，但我不确定这里是否属实。
@CharlesDuffy，您将如何解析标题然后自动制作地图？想象一下，您有不同的 CSV 文件，其中包含不同的列，并希望从标头派生 JSON 对象键。 jq 是否有某种变量？或者也许额外调用 `jq ... .[:1] 以某种方式填充 Bash 数组？【参考方案5】：
John Kerl 的 Miller 工具内置了这个：
mlr --c2j --jlistwrap cat INPUT.csv > OUTPUT.json
【讨论】：
我喜欢 'jq' 但这真的很好，至少对于将带有 CSV 的列标题转换为 JSON。 @richardkmiller【参考方案6】：一般来说，如果你的 jq 有 inputs 内置过滤器（自 jq 1.5 起可用），那么最好使用它而不是 -s 命令行选项。
无论如何，这里是使用inputs 的解决方案。此解决方案也是无变量的。
"occurrences":
[inputs
| select(length > 0)
| . / ";"
| "position": [.[0], .[1]],
"taxo": "espece": .[2] ]
SSV、CSV 等等
上面当然假设文件在每一行都有分号分隔的字段，并且没有与 CSV 文件相关的复杂性。
如果输入具有由单个字符严格分隔的字段，则 jq 处理它应该没有问题。否则，最好使用能够可靠地转换为 jq 可以直接处理的 TSV（制表符分隔值）格式的工具。
【讨论】：
【参考方案7】：由于jq 解决方案不处理 CSV 转义、第一行的列名、注释掉的行和其他常见的 CSV “功能”，我扩展了 CSV Cruncher 工具以允许读取 CSV 并将其写入JSON。它不完全是“Bash”，但jq 也不是 :)
它主要是一个 CSV-as-SQL 处理应用程序，所以它不是完全微不足道的，但这里有诀窍：
./crunch -in myfile.csv -out output.csv --json -sql 'SELECT * FROM myfile'
它还允许输出为 每行的 JSON 对象 或 正确的 JSON 数组。请参阅文档。
它处于测试版质量，因此欢迎所有反馈或拉取请求。
【讨论】：
【参考方案8】：为了完整起见，Xidel 和一些 XQuery 魔法也可以做到这一点：
xidel -s input.csv --xquery '
"occurrences":for $x in tokenize($raw,"\n") let $a:=tokenize($x,";") return
"position":[
$a[1],
$a[2]
],
"taxo":
"espece":$a[3]
'
"occurrences": [
"position": ["-21.3214077", "55.4851413"],
"taxo":
"espece": "Ruizia cordata"
,
"position": ["-21.3213078", "55.4849803"],
"taxo":
"espece": "Cossinia pinnata"
]
【讨论】：
【参考方案9】：如果你想发疯，你可以用 jq 写一个解析器。这是我的实现，它可以被认为是@csv 过滤器的逆。将其放入您的 .jq 文件中。
def do_if(pred; update):
if pred then update else . end;
def _parse_delimited($_delim; $_quot; $_nl; $_skip):
[($_delim, $_quot, $_nl, $_skip)|explode[]] as [$delim, $quot, $nl, $skip] |
[0,1,2,3,4,5] as [$s_start,$s_next_value,$s_read_value,$s_read_quoted,$s_escape,$s_final] |
def _append($arr; $value):
$arr + [$value];
def _do_start($c):
if $c == $nl then
[$s_start, null, null, _append(.[3]; [""])]
elif $c == $delim then
[$s_next_value, null, [""], .[3]]
elif $c == $quot then
[$s_read_quoted, [], [], .[3]]
else
[$s_read_value, [$c], [], .[3]]
end;
def _do_next_value($c):
if $c == $nl then
[$s_start, null, null, _append(.[3]; _append(.[2]; ""))]
elif $c == $delim then
[$s_next_value, null, _append(.[2]; ""), .[3]]
elif $c == $quot then
[$s_read_quoted, [], .[2], .[3]]
else
[$s_read_value, [$c], .[2], .[3]]
end;
def _do_read_value($c):
if $c == $nl then
[$s_start, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
elif $c == $delim then
[$s_next_value, null, _append(.[2]; .[1]|implode), .[3]]
else
[$s_read_value, _append(.[1]; $c), .[2], .[3]]
end;
def _do_read_quoted($c):
if $c == $quot then
[$s_escape, .[1], .[2], .[3]]
else
[$s_read_quoted, _append(.[1]; $c), .[2], .[3]]
end;
def _do_escape($c):
if $c == $nl then
[$s_start, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
elif $c == $delim then
[$s_next_value, null, _append(.[2]; .[1]|implode), .[3]]
else
[$s_read_quoted, _append(.[1]; $c), .[2], .[3]]
end;
def _do_final($c):
.;
def _do_finalize:
if .[0] == $s_start then
[$s_final, null, null, .[3]]
elif .[0] == $s_next_value then
[$s_final, null, null, _append(.[3]; [""])]
elif .[0] == $s_read_value then
[$s_final, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
elif .[0] == $s_read_quoted then
[$s_final, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
elif .[0] == $s_escape then
[$s_final, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
else # .[0] == $s_final
.
end;
reduce explode[] as $c (
[$s_start,null,null,[]];
do_if($c != $skip;
if .[0] == $s_start then
_do_start($c)
elif .[0] == $s_next_value then
_do_next_value($c)
elif .[0] == $s_read_value then
_do_read_value($c)
elif .[0] == $s_read_quoted then
_do_read_quoted($c)
elif .[0] == $s_escape then
_do_escape($c)
else # .[0] == $s_final
_do_final($c)
end
)
)
| _do_finalize[3][];
def parse_delimited($delim; $quot; $nl; $skip):
_parse_delimited($delim; $quot; $nl; $skip);
def parse_delimited($delim; $quot; $nl):
parse_delimited($delim; $quot; $nl; "\r");
def parse_delimited($delim; $quot):
parse_delimited($delim; $quot; "\n");
def parse_delimited($delim):
parse_delimited($delim; "\"");
def parse_csv:
parse_delimited(",");
对于您的数据，您可能希望将分隔符更改为分号。
$ cat se.csv
-21.3214077;55.4851413;Ruizia cordata
-21.3213078;55.4849803;Cossinia pinnata
$ jq -R 'parse_delimited(";")' se.csv
[
"-21.3214077",
"55.4851413",
"Ruizia cordata"
]
[
"-21.3213078",
"55.4849803",
"Cossinia pinnata"
]
这适用于大多数输入一次解析一行，但如果您的数据有文字换行符，您将需要将整个文件作为字符串读取。
$ cat input.csv
Year,Make,Model,Description,Price
1997,Ford,E350,"ac, abs, moon",3000.00
1999,Chevy,"Venture ""Extended Edition""","",4900.00
1999,Chevy,"Venture ""Extended Edition, Very Large""",,5000.00
1996,Jeep,Grand Cherokee,"MUST SELL!
air, moon roof, loaded",4799.00
$ jq -Rs 'parse_csv' input.csv
[
"Year",
"Make",
"Model",
"Description",
"Price"
]
[
"1997",
"Ford",
"E350",
"ac, abs, moon",
"3000.00"
]
[
"1999",
"Chevy",
"Venture \"Extended Edition\"",
"",
"4900.00"
]
[
"1999",
"Chevy",
"Venture \"Extended Edition, Very Large\"",
"",
"5000.00"
]
[
"1996",
"Jeep",
"Grand Cherokee",
"MUST SELL!\nair, moon roof, loaded",
"4799.00"
]
【讨论】：
如果最后一个字段为空，则会失败。 在最后一个字符是分隔符的情况下，错误出现在_do_finalize。在这种情况下，它不会保存.[2]，而是将其丢弃。用 _do_next_value 上的分隔符替换它可以修复它。【参考方案10】：
Jstaabs 答案的一个版本，它避免在打印之前将整个字典结构存储在内存中，以防 CSV 文件很大。
import csv, json, sys
for r in csv.DictReader(sys.stdin):
print(dict(r))
请注意，这会输出 JSON 行格式，而不是完全 JSON。
这是一个输出正确 JSON 数组的版本，但代价是更长。
import csv, json, sys
sys.stdout.write('[')
first = True
for r in csv.DictReader(sys.stdin):
if not first:
sys.stdout.write(',')
first = False
json.dump(dict(r), sys.stdout)
sys.stdout.write(']')
【讨论】：
以上是关于在 bash 中将 CSV 转换为 JSON的主要内容，如果未能解决你的问题，请参考以下文章
在 Java 中将 JSON 转换为 XLS/CSV [关闭]