如何使用 NeoJSON 解析 Pharo 中的 ndjson

Question

我想在 Pharo Smalltalk 上解析 ndjson (newline delimited json) data with NeoJSON。

ndjson 数据如下所示：

{"smalltalk": "cool"}
{"pharo": "cooler"}

目前我将我的文件流转换为字符串，在换行符上将其拆分，然后使用 NeoJSON 解析单个部分。这似乎使用了不必要的（而且非常大的）内存和时间，可能是因为一直将流转换为字符串，反之亦然。执行此任务的有效方法是什么？

如果您查找示例数据：NYPL-publicdomain: pd_items_1.ndjson

Answer 1

如果您打开一个新的 ReadWriteStream，首先在上面写入 ${，然后将原始流的所有内容以逗号分隔，然后在其上写入结尾的 $}，这是否可行？生成的流应该对 NeoJSON 有好处......？这可能是对问题的 STTCPW 攻击，但是 W 很重要 ;-) 而且它应该更快并且消耗更少的内存，因为 NeoJSON 只会做一次..

只是一个想法，还没试过。

Answer 2

您可以尝试这样的操作：

| input reader |
input := FileStream readOnlyFileNamed: 'resources/pd_items_1.ndjson.txt'.
[ 
Array
    streamContents: [ :strm | 
        | ln |
        [ (ln := input nextLine) isNil ] 
          whileFalse: [ strm nextPut: (NeoJSONReader fromString: ln) ] ] ] timeToRun.

除非这是您已经尝试过的...

Answer 3

这是 Sven（NeoJSON 的作者）在 pharo-users 邮件列表（他不在 SO 上）的回答：

阅读 'format' 很容易，只需继续为每个 JSON 表达式执行#next（忽略空格）。

| data reader |
data := '{"smalltalk": "cool"}
{"pharo": "cooler"}'.
reader := NeoJSONReader on: data readStream.
Array streamContents: [ :out |
  [ reader atEnd ] whileFalse: [ out nextPut: reader next ] ].

防止中间数据结构也很容易，使用流。

| client reader data networkStream |
(client := ZnClient new)
  streaming: true;
  url: 'https://github.com/NYPL-publicdomain/data-and-utilities/blob/master/items/pd_items_1.ndjson?raw=true';
  get.
networkStream := ZnCharacterReadStream on: client contents.
reader := NeoJSONReader on: networkStream.
data := Array streamContents: [ :out |
  [ reader atEnd ] whileFalse: [ out nextPut: reader next ] ].
client close.
data.

花了几秒钟，毕竟 50K 项在网络上是 80MB+。

如何使用 NeoJSON 解析 Pharo 中的 ndjson

How to parse ndjson in Pharo with NeoJSON

json

stream

smalltalk

pharo

ndjson