json作為一種輕量級的資料交換格式，因其易於讀寫和互動的特點，已逐漸成為主流的資料型別之一。常見的程式語言大多都對 json 的讀取與解析提供了介面，但是接下來如何把多層 json 資料經過篩選、計算並展開成二維資料，就需要開發人員去頭疼了。本文就為大家分享一下如何利用集算器 spl（結構化處理語言）輕鬆解決 json 資料解析入庫的問題。
json 資料檔案匯入與解析
根據 json 資料檔案的複雜程度，以及不同的需求，我們會分三種情況來討論：
單層的 json 資料檔案
我們先從乙個簡單的例子入手，看看普通鍵值對映的 json 檔案如何讀取。下面是某產品訂單資訊的 json 資料檔案：
spl匯入 json 資料檔案只需要簡單的一句指令碼：
不需要寫迴圈函式，也不用解析 json 物件，執行一下就可以看到，json 資料檔案已經轉換為二維資料序表了：
明細資料相同結構的多層 json 資料檔案
接下來，我們看一下多層的 json 檔案如何處理。下面是我們要用到的 json 資料檔案 orders.json：
可以看到，json 資料分為兩層，第一層是 "貨主國家" 和 "貨主地區"，第二層是明細資料。現在我們想要從中匯入中國華北和華南地區 2013 年的訂單，讓我們看看如果用 spl 實現。
這次我們先來定義一下引數：country、area 和 year，分別對應需要匯入的貨主國家、貨主地區和訂購日期的年份。通過定義引數，以後匯入不同國家、地區和年份的時候，就不再需要修改 spl，只需要提供相應的引數值就行了。這裡需要注意的是，area 的值是序列，預設值是 [華北, 華南]，這樣就可以同時讀取多個地區的資料。如下圖：
我們先看一下 spl 指令碼：
下面來詳細解釋一下：
第一步：a1 中 =json(file("orders.json").read())，匯入 json 檔案生成序表。執行一下，可以看到 json 資料按層級被展現出來（在集算器設計器中我們可以通過雙擊「區域訂單」值，來檢視下一層明細資料）：
第二步：從圖中可以看到，"貨主國家" 和 "貨主地區" 欄位就在第一層，因此在 b1 中直接呼叫a1.select(貨主國家 ==country && area.contain( 貨主地區)) 就可以篩選出中國華北和華南的資料。
第三步："區域訂單" 是我們想要的明細資料，但是其中不包含 "貨主國家" 和 "貨主地區" 這兩個字段，因此我們需要把這兩個欄位和區域訂單的明細字段拼在一起。這麼複雜的需求通過 news 函式就可以一步到位解決。從 a2 格的表示式可以看到引數並不複雜，把 b1. 貨主國家，b1. 貨主地區和 "區域訂單" 的全部字段拼在一起就可以了。看下執行結果：
第四步：在 b2 中通過=a2.select(year( 訂購日期)==year)篩選出 "訂購日期" 的年份是 2013 年的資料。
最後讓我們執行一下，可以看到最終得到的二維表完全符合需求：
明細資料不同結構的多層 json 資料檔案
因為資料**的複雜性，json 資料檔案的明細資料有可能是不同結構的，我們一起看一下這種 json 檔案如何處理。下面是我們要用到的 json 檔案 sales.json：
第一層以年和月為維度，第二層以國家為維度，第三層是明細資料。但是明細資料中，由於銷售渠道不同，結構是不完全一致的，比如 "productline"、"addressline1"、"addressline2" 在明細資料中並不是必須的。現在，我們要從資料中讀取 2017 和 2018 年北美兩個大國美國和加拿大的銷售資料。
為了使用方便，我們還是先定義兩個引數：year 和 country：
接下來先看一下 spl：
下面來詳細解釋一下。
a1格還是把 json 檔案匯入為多層序表。
由於年份欄位就在第一層，b1 格中直接呼叫a1.select(year.contain(year))可以從 a1 中篩選出 2017 和 2018 年份的資料：
接下來 a2 格中我們再次用到了 news 函式，用來把年月字段和下一層的月銷售明細拼在一起：
b2格中我們通過a2.select(country.contain(country))從中篩選出來美國和加拿大的資料。
然後在 a3 格中，我們再次用到了 news 函式，這次需要把 year，month，country 和再下一層的國家月銷售明細拼在乙個序表中。由於這個檔案中明細資料可能結構有所不同，我們使用全量的欄位名作為引數來建立序表。欄位的值會根據名稱設定，無此字段的會預設為空值（例如下圖 "addressline1" 和 "addressline2" 字段）：
執行後可以看到最終結果：
至此，乙個多層結構的明細資料結構不完全一致的 json 檔案就成功展開成為乙個二維表了。
**序表入庫
**前面介紹了常見的 json 資料檔案匯入與解析，接下來是資料入庫的問題。之所以在最後才說入庫，並不是因為複雜，恰恰相反的是，由於前面的例子中最後生成的都是序表，因此更新資料庫就變得非常簡單方便。以前面匯入 json 的例子 2 中的訂單表為例：
可以看到，更新資料庫只需要一句指令碼！
這裡是比較常見的通過主鍵更新，用序表 a1 通過主鍵訂單 id 來更新資料庫中的訂單表。spl 中的 update 函式有很多選項，可以滿足更多的更新資料需求，這裡就不再一一贅述了。
因此，只要用對了工具，從 json 檔案匯入解析到資料入庫，再繁瑣的任務也可以輕鬆應對。除了 json 資料檔案，集算器 spl 還支援各種豐富多樣的資料**，後續將通過更多的文章繼續分享給大家。
輕鬆應對多層JSON資料計算與入庫
json作為一種輕量級的資料交換格式，因其易於讀寫和互動的特點，已逐漸成為主流的資料型別之一。常見的程式語言大多都對 json 的讀取與解析提供了介面，但是接下來如何把多層 json 資料經過篩選 計算並展開成二維資料，就需要開發人員去頭疼了。本文就為大家分享一下如何利用集算器 spl 結構化處理語...
JSON多層資料新增與訪問
最近專案中有要用到，json的多層資料物件，相當是乙個json格式陣列裡面巢狀乙個json物件吧，至於我為什麼要用到這個呢，引入業務場景 兩組資料 1 user id user hs user name 2 user id user location 這兩組資料分別從伺服器獲取 但後期有又必須匹配進...
JSONObject 解析多層json資料
多層巢狀時，只需要解析多層巢狀次數 1，解析完成後可直接取出資料。相同資料需要使用for迴圈。jsonarray是陣列，jsonobject是單條資料。jsonobject jsonobject new jsonobject responsetext jsonobject jsonobject1 j...