jq Streaming - 过滤嵌套列表并保留全局结构

Question

在一个大型 json 文件中，我想从嵌套列表中删除一些元素，但保留文档的整体结构。

我的示例将其输入为（但真实的输入足够大以要求流式传输）。

{
  "keep_untouched": {
    "keep_this": [
      "this",
      "list"
    ]
  },
  "filter_this":
  [
    {"keep" : "true"},
    {
      "keep": "true",
      "extra": "keeper"
    } ,
    {
      "keep": "false",
      "extra": "non-keeper"
    }
  ]
}

所需的输出仅删除了“filter_this”块的一个元素：

{
  "keep_untouched": {
    "keep_this": [
      "this",
      "list"
    ]
  },
  "filter_this":
  [
    {"keep" : "true"},
    {
      "keep": "true",
      "extra": "keeper"
    } ,
  ]
}

处理此类情况的标准方法似乎是使用“truncate_stream”来重构流对象，然后再以通常的 jq 方式过滤这些对象。具体来说，命令：

jq -nc --stream 'fromstream(1|truncate_stream(inputs))' 

提供对对象流的访问：

{"keep_this":["this","list"]}
[{"keep":"true"},{"keep":"true","extra":"keeper"}, 
 {"keep":"false","extra":"non-keeper"}]

此时很容易过滤所需的对象。但是，这会从其父对象的上下文中剥离结果，这不是我想要的。

查看流式结构：

[["keep_untouched","keep_this",0],"this"]
[["keep_untouched","keep_this",1],"list"]
[["keep_untouched","keep_this",1]]
[["keep_untouched","keep_this"]]
[["filter_this",0,"keep"],"true"]
[["filter_this",0,"keep"]]
[["filter_this",1,"keep"],"true"]
[["filter_this",1,"extra"],"keeper"]
[["filter_this",1,"extra"]]
[["filter_this",2,"keep"],"false"]
[["filter_this",2,"extra"],"non-keeper"]
[["filter_this",2,"extra"]]
[["filter_this",2]]
[["filter_this"]]

看来我需要选择所有“filter_this”行，仅截断这些行（使用“truncate_stream”），将这些行重建为对象（使用“from_stream”），过滤它们，然后将对象转回流数据格式（使用“tostream”）加入“保持不变”行的流，这些行仍处于流格式。那时就可以重新构建整个 json。如果这是正确的方法 - 这对我来说似乎过于复杂 - 我该怎么做？或者，还有更好的方法？

Answer 1

如果您的输入文件包含一个非常大的 JSON 实体，该实体对于常规 jq 解析器来说太大，无法在您的环境中处理，那么您很可能没有足够的内存来重建 JSON 文档。

考虑到这一点，以下方法可能值得一试。关键的见解是可以使用 来完成重建reduce。

为了清楚起见，下面使用了一堆临时文件：

TMP=/tmp/$$

jq -c --stream 'select(length==2)' input.json > $TMP.streamed

jq -c 'select(.[0][0] != "filter_this")' $TMP.streamed > $TMP.1

jq -c 'select(.[0][0] == "filter_this")' $TMP.streamed |
  jq -nc 'reduce inputs as [$p,$x] (null; setpath($p;$x))
          | .filter_this |= map(select(.keep=="true"))
          | tostream
          | select(length==2)' > $TMP.2

# Reconstruction
jq -n 'reduce inputs as [$p,$x] (null; setpath($p;$x))' $TMP.1 $TMP.2

输出

{
  "keep_untouched": {
    "keep_this": [
      "this",
      "list"
    ]
  },
  "filter_this": [
    {
      "keep": "true"
    },
    {
      "keep": "true",
      "extra": "keeper"
    }
  ]
}