如何使用 jq 将数组拆分为块？

Question

我有一个非常大的 JSON 文件，其中包含一个数组。是否可以使用 jq 将此数组拆分为几个固定大小的较小数组？假设我的输入是这样的：[1,2,3,4,5,6,7,8,9,10]，我想将它分成 3 个元素长的块。 jq 的期望输出为：

[1,2,3]
[4,5,6]
[7,8,9]
[10]

实际上，我的输入数组有将近三百万个元素，都是 UUID。

Answer 1

下面是 hackery，可以肯定 - 但 memory-efficient hackery，即使有任意长的列表：

jq -c --stream 'select(length==2)|.[1]' <huge.json \
| jq -nc 'foreach inputs as $i (null; null; [$i,try input,try input])'

输入 JSON 文件中的第一段管道流，每个元素发出一行，假设数组由原子值组成（其中 [] 和 {} 在这里包含为原子值）。因为它以流模式运行，所以不需要将整个内容存储在内存中，尽管它是单个文档。

管道的第二部分重复读取最多三个项目并将它们组装成一个列表。

这应该避免内存中同时需要三个以上的数据。

Answer 2

有一个（未记录的）内置函数，_nwise，满足功能要求：

$ jq -nc '[1,2,3,4,5,6,7,8,9,10] | _nwise(3)'

[1,2,3]
[4,5,6]
[7,8,9]
[10]

还有：

$ jq -nc '_nwise([1,2,3,4,5,6,7,8,9,10];3)' 
[1,2,3]
[4,5,6]
[7,8,9]
[10]

顺便说一下，_nwise 可用于数组和字符串。

（我认为它没有记录，因为对适当的名称存在一些疑问。）

TCO-版本

不幸的是，内置版本被粗心地定义了，并且对于大型数组表现不佳。这是一个优化版本（它应该和非递归版本一样高效）：

def nwise($n):
 def _nwise:
   if length <= $n then . else .[0:$n] , (.[$n:]|_nwise) end;
 _nwise;

对于大小为 300 万的数组，这是相当高效的：旧 Mac 上的 3.91 秒，最大驻留大小为 162746368。

请注意，此版本（使用尾调用优化递归）实际上比本页其他地方显示的使用 foreach 的 nwise/2 版本更快。

Answer 3

如果数组太大而无法轻松放入内存，那么我会采用@CharlesDuffy 建议的策略——即使用面向流的版本将数组元素流式传输到 jq 的第二次调用中nwise，如：

def nwise(stream; $n):
  foreach (stream, nan) as $x ([];
    if length == $n then [$x] else . + [$x] end;
    if (.[-1] | isnan) and length>1 then .[:-1]
    elif length == $n then .
    else empty
    end);

上面的 "driver" 是：

nwise(inputs; 3)

但是请记住使用-n命令行选项。

从任意数组创建流：

$ jq -cn --stream '
    fromstream( inputs | (.[0] |= .[1:])
                | select(. != [[]]) )' huge.json

因此 shell 管道可能如下所示：

$ jq -cn --stream '
    fromstream( inputs | (.[0] |= .[1:])
                | select(. != [[]]) )' huge.json |
  jq -n -f nwise.jq

这种方法非常高效。使用 nwise/2、

将 300 万个项目的流分组为 3 个一组

/usr/bin/time -lp

对于 jq 的第二次调用给出：

user         5.63
sys          0.04
   1261568  maximum resident set size

警告：此定义使用 nan 作为流结束标记。由于 nan 不是 JSON 值，因此这对于处理 JSON 流来说不是问题。

Answer 4

window/3 的以下面向流的定义，归功于 Cédric Connes (github:connesc)，概括_nwise，并说明了 "boxing technique" 绕过了使用流结束标记，因此可以使用如果流包含非 JSON 值 nan。一个定义 _nwise/1 的 window/3 也包括在内。

window/3 的第一个参数被解释为一个流。 $size 是 window 大小，$step 指定要跳过的值的数量。例如，

window(1,2,3; 2; 1)

产量：

[1,2]
[2,3]

window/3 和 _nsize/1

def window(values; $size; $step):
  def checkparam(name; value): if (value | isnormal) and value > 0 and (value | floor) == value then . else error("window \(name) must be a positive integer") end;
  checkparam("size"; $size)
| checkparam("step"; $step)
  # We need to detect the end of the loop in order to produce the terminal partial group (if any).
  # For that purpose, we introduce an artificial null sentinel, and wrap the input values into singleton arrays in order to distinguish them.
| foreach ((values | [.]), null) as $item (
    {index: -1, items: [], ready: false};
    (.index + 1) as $index
    # Extract items that must be reused from the previous iteration
    | if (.ready | not) then .items
      elif $step >= $size or $item == null then []
      else .items[-($size - $step):]
      end
    # Append the current item unless it must be skipped
    | if ($index % $step) < $size then . + $item
      else .
      end
    | {$index, items: ., ready: (length == $size or ($item == null and length > 0))};
    if .ready then .items else empty end
  );

def _nwise($n): window(.[]; $n; $n);

来源：

https://gist.github.com/connesc/d6b87cbacae13d4fd58763724049da58

如何使用 jq 将数组拆分为块？

How to split an array into chunks with jq?

arrays

json

shell

jq

memory-efficient

TCO-版本

window/3 和 _nsize/1

来源：