JSON- 正则表达式来识别 JSON 中的模式

Posted 2023-03-11

【中文标题】JSON- 正则表达式来识别 JSON 中的模式

【英文标题】：JSON- Regex to identify a pattern in JSON

【发布时间】：2021-06-09 08:14:33

【问题描述】：

我是 Python3 的新手，我正在处理大型 JSON 对象。我有一个大的 JSON 对象，在两个 JSON 对象之间，大括号之间有额外的字符。

例如：

"id":"121324343", "name":"foobar"3$£_$£rvcfddkgga£($(>..bu&^783  "id":"343554353", "name":"ABCXYZ"'

这些额外的字符可以是任何字母数字、特殊字符或 ASCII。它们多次出现在这个大型 JSON 中，并且可以是任意长度。我正在尝试使用正则表达式来识别该模式以删除它们，但正则表达式似乎不起作用。这是我使用的正则表达式：

(^\n[a-zA-Z0-9]+$)

有没有办法在 python 中使用正则表达式来识别这种模式？

【问题讨论】：

您的正则表达式包含 \n 但您提供的行在单行上，是吗？

对于您展示的示例：".+" 就足够了，但我认为这不会通过所有测试用例。如果您知道 json 的模式将是 dict(id=number, name=string)，您也可以对其进行过滤。示例：'\s?"id":"\d+", "name":"\w+"'（用于您提供的示例）。

我只是担心r'(?<=)([^]+)(?=)' 如果 出现在char 字符串中是问题，因为它应该识别" 以识别新对象是tarting

@Thymen 在 dict 模式上过滤 json 听起来更合适。但是数据量大会影响性能

对象是否包含嵌套大括号？

【参考方案1】：

假设整个 json 是一行，并且字段本身没有 ，这应该足够了

In [1]: import re

In [2]: x = """"id":"121324343", "name":"foobar"3$£_$£rvcfddkgga£($(>..bu&^783  "id":"343554353", "name":"ABCXYZ""""

In [3]: print(re.sub(r'(?<=)[^]+(?=)', "\n", x))
"id":"121324343", "name":"foobar"
 "id":"343554353", "name":"ABCXYZ"

你可以在这里查看正则表达式https://regex101.com/r/leIoqE/1

【讨论】：

在这个解决方案中，如果字符有 或 它不起作用

【参考方案2】：

您可以根据named capture groups 选择字典数据。作为奖励，这还将忽略额外字符中的任何 或 。

以下模式适用于提供的数据：

"\"id\"\:\"(?P<id>\d+?)\"[,\s]+\"name\"\:\"(?P<name>[ \w]+)\""

示例

import re
from pprint import pprint

string = \
    """
    "id":"121324343", "name":"foobar"3$£_$£rvcfddkgga£($(>..bu&^783  "id":"343554353", "name":"ABC XYZ"'
    """

pattern = re.compile(pattern="\"id\"\:\"(?P<id>\d+?)\"[,\s]+\"name\"\:\"(?P<name>[ \w]+)\"")
pprint([match.groupdict() for match in pattern.finditer(string=string)])

输出

['id': '121324343', 'name': 'foobar', 'id': '343554353', 'name': 'ABC XYZ']

自己测试一下：https://regex101.com/r/82BqbE/1

注意事项

对于这个例子，我假设如下：

id 只包含整数位。 name 是一个字符串，可以包含以下字符 [a-zA-Z0-9_ ]。 （这包括空格和下划线）。