Json 数据通用提取工具[离线]

[faketemp]

Golang 实现的一款通用型 JSON 数据提取工具，支持自动识别 JSON 数据节点并有序提取为 CSV 文件。
Convenient JSON data extraction tool.

使用简介

> Json2Csv：请指定 JSON 格式文件路径（支持批量）...
> Json2Csv [-k root.data.items] data.json data2.txt ...
Usage of main.exe:
  -h    显示帮助
  -k string
        设置 Json 中数据所处路径，如'-k root.topics.data'

支持以下常见 JSON 数据格式：

数据位于根 /一级节点下

[{"ID":0,"Name":"Lucy","Age":17,"Granted":true},{"ID":1,"Name":"Lily","Age":20,"Granted":false}]
或者
{"part":1,"items":[{"title":"one","price":23},{"title":"two","price":92},{"title":"three","price":5623}]}

数据提取命令：Json2Csv test1.json test2.json

拖放 json 文件到主程序或命令行均可运行，如 JSON 数据位于根 /一级节点下程序可自动检测并提取

数据位于任意多级节点下

{"data":{"items":[{"title":"one","price":23},{"title":"two","price":92},{"title":"three","price":5623}]}}

数据位于"data.items"多级节点下，-k 参数简单指定数据路径即可，如
数据提取命令：Json2Csv -k data.items test.json
测试文件：-k 参数 JSON 示例

说明

• 为什么不用在线服务？
  内网数据隐私不能公开； JSON 文件较大(比如超过 20M)大多数在线服务都无法支持。
• 为什么不用 Pandas 等？
  内网 python 和常用库的安装维护等都很麻烦； Python 工具只能自己用(分享不便)；每个 json 都要分析后对应编写测试代码通用性欠佳； Pandas 默认会导致长数据输出科学计数法很麻烦...
• 为什么不用 utools/jq 等工具？
  这些工具提取 json 中个别字段的文本很方便，但想将所有数据批量输出却很麻烦；而且使用门槛较高 jq 兼容性较差，比如 json 文件识别报错、不支持 win7 系统等等

Github 链接

兼容处理数据区域非数组结构而是一个对象的情况，如 Json2Csv -k data.items test.json

{"part":1,"data":{"items":{"1":{"title":"one","name":"test1"},"2":{"title":"two","name":"test2"},{"3":{"title":"three","name":"test3"}}}}

[512357301]

有时间试试。
不知道楼主有没有研究过 https://data.page ，他们家的 json 转 csv/excel 贼好用，它是全量转，不能限制 json 结构，不过全量转就行了，性能也可以接受，唯一的不好就是它是在线的

[xiangyuecn]

用 html 做一个也简单，100M 的 JSON.parse 无压力，单个 html 只需拖进浏览器就能访问[离线]

天然自带 UI😂 拖拽 json 文件、手动选择 json 文件都 ok

0 依赖

[faketemp]

@xiangyuecn 求分享

[pagxir]

为啥不用 jq 呢，不好用？

[faketemp]

@pagxir 内网机系统必须 win7/xp ，jq/dsq/fx 等工具基本都跑不起来，而且实测几个常用几十 M 的 json 这些工具大多报错解析失败，起码在我的需求上这些工具兼容性便利性确实不敢恭维
唯有 utools 的 json 编辑器官方插件功能不错兼容性也挺好，但就是连个文档都没有一切靠摸索门槛较高

以上这些工具如果想从 json 中提取全量数据还都比较麻烦，搜过试过很多了 没办法满足需求才造轮子...

[pagxir]

windows 就直接用 node 就好了

[flyqie]

@faketemp #5

go 好像好久之前就不支持 xp 了吧。。

看 go.mod 里用的是 go 1.20 ？

[faketemp]

@flyqie 是的 因为用了泛型所以版本需要 1.18+ 不支持 xp 没啥同事绝大部分都用 win7ヾﾉ≧∀≦)o

[a90120411]

@xiangyuecn #2 可以分享一下解决方案吗？

[nerkeler]

用 python 自带的 json 库就够了，再用 tkinter/pyqt 写个 GUI,开箱即用，我也写了个内网用的 json 格式化小工具，不过我们格式特殊，不通用。

[faketemp]

已升级兼容处理数据区域非数组结构而是一个对象的情况，如
`{"part":1,"data":{"items":{"1":{"title":"one","name":"test1"},"2":{"title":"two","name":"test2"},{"3":{"title":"three","name":"test3"}}}}`

这种结构遇到过多次但在线网站和各种工具均不支持解析提取，干脆自己兼容了
`Json2Csv -k data.items test.json`即可提取全部"title/name"

[9yue]

https://www.v2ex.com/t/951793 ，JS HTML 自带 UI 单文件版本，卷一下~~

[a90120411]

@xiangyuecn #2 有解决方案了吗？
@faketemp

[wxf666]

@faketemp #8 既然都是 Win7 了，为啥 jq/dsq/fx 跑不起来呢？

看了下，jq 还是纯 C 写的，xp 跑也没啥压力吧。。


至于 jq 兼容性较差，json 识别出错，是 json 文件不标准吗？或者说是 json5 ？

按理说，专门处理 json 的工具，识别不了 json ，是会贻笑大方的，应该不至于


另外，有试过打包 python 环境吗？有大佬甚至能打包完整 PyQT5 环境，并分发。(不是 PyInstaller)

链接： https://www.zhihu.com/question/48776632/answer/2336654649

看起来，打包 pandas 应该也不会太难？

[faketemp]

@wxf666 感谢关注 不过你这些疑问应该自己没去测试过只是想当然觉得吧 ヾﾉ≧∀≦)o 事实上我尝试在几个不同版本系统测试过 包括 win7~win11 也包括精简版或完整版系统 这些工具的普适性兼容性确实表现欠佳 即使在 win11 上运行也遇到出现各种错误 参考 https://www.v2ex.com/t/883757#reply13 建议你有时间去测试一下就解惑了

至于 json 文件是标准格式 只是几十兆比较大而已 是否贻笑大方不好说 但确实没几个工具能无报错识别和解析

另外 python 打包不用挣扎 无论采用任何方法去打包都不优雅 写个 helloworld 打包也要 5 兆以上甚至十几兆 而且兼容多系统也很不便 golang 可以一键编译多平台 800k 单文件无依赖性能也超 n 倍 无任何一个理由要跑去打包生成更大更慢兼容更麻烦的 pandas 吧

纸上得来终觉浅，绝知此事要躬行 建议你真的去测试一下，这样就了然了

[wxf666]

@faketemp #15 不知道你输入了什么命令，不太好猜出错原因。。


我虚拟机装了个 Win XP 试了试，这些工具的最新版都还能正常运行：

- jq （ v1.6 ，2.58 MB ，json 处理）
- SQLite （ v3.42 ，1.09 MB ，小型数据库）
- BusyBox （ v1.37 ，606 KB ，Linux Shell 风格脚本）
- QuickJS （ v2021-03-27 ，863 KB ，支持 ES2020 的 js 引擎）

有以上工具，足够编写很多便捷的小脚本了，也能拖动文件自动处理之类的。

*（ dsq 和 fx 确实在 Win XP 上运行不了，估计至少得 Win 7 。。）*


试了试用这些工具导出 [行政区划第 5 级 json 数据（ 80 MB ）]( https://github.com/modood/Administrative-divisions-of-China/blob/master/dist/villages.json) 为 CSV ，确实还是你的 Json2Csv 工具快些。但总体而言，速度差异不是很大（对比如下，末尾附截图）：

| | Json2Csv | jq | SQLite | QuickJS |
| :---: | :--------: | :----: | :----: | :-----: |
| WinXP | (不支持) | 7.26 s | 5.67 s | 8.93 s |
| Win10 | 3.72 s | 5.60 s | 4.26 s | 8.30 s |


对了，如果要把这 5 级（省市县乡村）的 json 数据，根据各自的外键字段，串成 json 树（如下），有啥简单快捷的办法呢？

```json
[
　{
　　"code": "11",
　　"name": "北京市",
　　"children": [
　　　{
　　　　"code": "1101",
　　　　"name": "市辖区",
　　　　"children": [
　　　　　"..."
　　　　]
　　　}
　　]
　},
　{
　　"code": "12",
　　"name": "天津市",
　　"children": [
　　　"..."
　　]
　},
　"..."
]
```


虚拟机里 WinXP 测试各工具导出 CSV 截图：



Win10 测试各工具导出 CSV 截图：


[wxf666]

@faketemp #15 再试试 pandas 、dsq 、fx 这些，以及 dsq 提到的其他比较快的工具 octosql 、duckdb （ q 太大了，算了）：

- **pandas**：总计 5.24 s ，实际 pandas 只用 3.85 s 。看来确实有点重量级，不太适合日常小型数据处理。
- **dsq**：5.30 s ，但是不支持 CSV 输出，是以 json 原样输出的。*（看时间统计，似乎是双线程？）*
- **fx**：很久，且占了 4GB+ 内存，直接中断了。。*（好像也不支持 CSV 输出）*
- **octosql**：不支持读取 JSON Array ，只能 JSON Object ？
- **duckdb**：4.61 s ，和 SQLite 差不多。

Shell 操作记录：

```shell
~/Downloads $ time py -c 'import time; import pandas as pd; begin = time.time(); pd.read_json(r"Y:\villages.json")[["code", "name"]].set_index("code").to_csv(r"Y:\out.csv"); print(f"{time.time() - begin:.2f}s")' && showCsv
3.85s
real 0m 5.24s
user 0m 0.00s
sys 0m 0.01s


~/Downloads $ time ./dsq.exe Y:/villages.json 'SELECT code, name FROM {}' > Y:/out.csv && showCsv
real 0m 5.30s
user 0m 8.81s
sys 0m 1.50s
619503 33905785 Y:/out.csv
{"code":"659011502509","name":"十一连生活区"},
{"code":"659011502510","name":"十二连生活区"},
{"code":"659011502512","name":"五连生活区"}]


~/Downloads $ time ./fx.exe Y:/villages.json 'x.map(y => [y.code, y.name])' > Y:/out.csv && showCsv
^C


~/Downloads $ ./octosql.exe 'SELECT * FROM provinces.json'
Error: typecheck error: couldn't create datasource: expected JSON object, got '[{"code":"11","name":"北京市"},{"code":"12","name":"天津市"},{"code":"13","name":"河北省"},{"code":"14","name":"山西省"},{"code":"15","name":"内蒙古自治区"},{"code":"21","name":"辽宁省"},{"code":"22","name":"吉 林省"},{"code":"23","name":"黑龙江省"},{"code":"31","name":"上海市"},{"code":"32","name":"江苏省"},{"code":"33","name":"浙江省"},{"code":"34","name":"安徽省"},{"code":"35","name":"福建省"},{"code":"36","name":"江西省"},{"code":"37","name":"山东省"},{"code":"41","name":"河南省"},{"code":"42","name":"湖北省"},{"code":"43","name":"湖南省"},{"code":"44","name":"广东省"},{"code":"45","name":"广西壮族自治区"},{"code":"46","name":"海南省"},{"code":"50","name":"重庆市"},{"code":"51","name":"四川省"},{"code":"52","name":"贵州省"},{"code":"53","name":"云南省"},{"code":"54","name":"西藏自治区"},{"code":"61","name":"陕西省"},{"code":"62","name":"甘肃省"},{"code":"63","name":"青海省"},{"code":"64","name":"宁夏回族自治区"},{"code":"65","name":"新疆维吾尔自治区"}]'


~/Downloads $ time ./duckdb.exe -csv :memory: "SELECT code, name FROM 'Y:/villages.json'" > Y:/out.csv && showCsv
real 0m 4.61s
user 0m 3.40s
sys 0m 1.15s
619504 22135235 Y:/out.csv
659011502509,"十一连生活区"
659011502510,"十二连生活区"
659011502512,"五连生活区"
```