Python 如何读取超大 json 文件?

[UN2758]

有一个 4g 多的 json 文件,格式是:
{
'id': 'xxxxx'
'q' : 'xxxxx'
'a' : 'xxxxx'
},
{
'id': 'xxxxx'
'q' : 'xxxxx'
'a' : 'xxxxx'
}
这样的,用 ijson 怎么打开呢?prefix 路径因为没有顶级键,不会设置啊,然后就报错了

[noe132]

超大文件不适合 JSON 存储。。。。
如果是一个大数组，可以想办法优化成

{...}
{...}
{...}

的 JSON line 格式去以行去读。或者如果每个对象占用行固定也可以以固定行数去读。。
否则你得把 4G 的文件整体解析到内存里才行。

[bazingaterry]

已知格式可以手寫 json parser，結合業務需求一點一點讀

[wellsc]

存到 mongo 里试试

[twor]

一行一行的读，解析后，扔到数据库，或者保存成其他格式？

[huiyifyj]

4G 的 Json.

0.0!!!

[MeteorCat]

吓尿了 4G 的数据，解析起来内存应该爆炸了

[Lxxyx]

用 Node 处理过 3g 的 json，直接 load，v8 扛不住，后面用的是 stream 的方式，一点一点解析。（供参考）

[neocanable]

cat yourfile.json | grep -v "{" | grep -v "}," > new_file
新的文件格式就是：
'id': 'xxxxx'
'q' : 'xxxxx'
'a' : 'xxxxx'
'id': 'xxxxx'
'q' : 'xxxxx'
'a' : 'xxxxx'
'id': 'xxxxx'
'q' : 'xxxxx'
'a' : 'xxxxx'


然后一行一行的读吧，很简单

[xiaozizayang]

pandas 分段读取 或者 spark 吧

[ulala]

曾经有类似的需求，一个好几 g 的文件，每一行一个 json 对象。写了个 C 程序一行行读入，然后抛到队列里并发用 rapidjson 去解析。速度还是挺快的。

[zc666]

可以了解下 jq

[binux]

streaming JSON parser python

[KaelSunstrider]

一行一行 yield 出来，处理一行就继续 yield 下一行。或则使用 ubuntu 下的行切割命令分成小文件再处理

[cout2013mr]

要是数组还好，可以一行行来读文件，你要是个整个大对象，key 还没有命名规则的话，真想不到什么好方法。。

[UN2758]

谢谢大家了,倒腾来倒腾去发现 json 确实不合适储存大文件,改用 csv 了

[xwhxbg]

readline，我用 js 读过 5 个多 G 的文件