Json字符串解析原理、超大json对象的解析

2022-06-08 19:01:06

概述

附上完整的代码：

https://files.cnblogs.com/files/xcr1234/json.rar

一个类实现json解析核心代码（ObjectParser），其他的类都是工具类
（入口类是Json）

JSON：JavaScript 对象表示法（JavaScript Object Notation）。

JSON 是存储和交换文本信息的语法。类似 XML。

JSON 比 XML 更小、更快，更易解析。

在JSON中，分为6种对象：

数字（整数或浮点数）
字符串（在双引号中）
逻辑值（true 或 false）
数组（JsonArray）
对象（JsonObject）
null

基本对象的实现

JsonObject其实就是一个HashMap，JsonArray其实就是一个ArrayList.

public class JsonObject extends HashMap<String,Object> {

}

public class JsonArray extends ArrayList<Object> {

}

JSON字符串的解析

以这个字符串为例：

{“success”:true,”id”:-10.5,”employees”:[{“firstName”:”Bill”,”lastName”:”Gates”},{“firstName”:”George”,”lastName”:”Bush”},{“firstName”:”Thomas”,”lastName”:”Carter”}]}

我们保证在只扫描一次整个的情况下，就将json结构解析成功。

传统的解析策略通常是通过词法分析，将json分为一个个的token，而这些token有着自己的类型和值；再通过语法分析构建一棵抽象语法树，进一步处理。比如""是一种，true/false又是一种。

其实根本不需要这么复杂。依我看来，json的token只有五种：true/false/null（归为一种，因为它们是固定值）、number、string、object、array。也不用特别在意start和end的Token区分，比如 { 符号和 } 符号。从一个 { 符号开始，到下一个它对应的 } 符号都是属于同一个json object的。这里的 { 与 } 、[ 与 ] 符号都是一一对应的。
我设计了一个nextObject()方法，它可以解析出json字符串中的下一个对象，然后在适当的时候装配即可。

nextObject方法的实现

提取字符

    public static boolean isSpace(char c){

        return c == ' ' || c == '\r' || c == '\n';

    }

    //方法得到当前字符，忽略空格、换行符

    private char getChar(){

        char c = json.charAt(pos);

        while(isSpace(c)){

            pos++;

            c = getCurrentChar();

        }

        return c;

    }

上面方法是消耗掉所有空白字符，直到读取到一个非空白字符，isSpace方法用于判断一个字符是否属于空白字符，pos表示当前指针指向的那个字符。也就是说，DFA从起始状态开始，若读到一个空字符，会在起始状态不断循环，直到遇到非空字符，状态转移情况如下：

解析

根据提取到的字符，转入不同的解析方法中，

例如字符是t，说明值可能是true，只需检查后面三个字符，如果是r、u、e，则可以直接返回true。

字符是f，说明值可能是false，只需检查后面四个字符，如果是a、l、s、e，则可以直接返回false。

碰到 \”，说明是字符串，在下一个\”出现之前，把扫描出来的字符都当成字符串中的字符，放到一个StringBuilder中去。

碰到 [ 符号，说明是数组了，就需要new一个JsonArray，在下一个 ] 符号出现之前，调用nextObject方法，把解析到的对象都放到这个JsonArray里面去。

碰到 { 符号，说明是JsonObject，就new一个JsonObject，这里每次需要连续调用两次nextObject，第一次结果作为key，第二次结果作为value。放到JsonObject中去。

解析boolean、null值

这类值的字符串只有固定的三种true、false、null，是最好解析的。在扫描到第一个字符为t、f、n时，只需检测后续字符是否符合固定值就可以了。checkChars方法实现了这个功能，chars是固定的序列，如果检测通过则返回true，否则返回false。

private boolean checkChars(char ...chars){

        for(char ch : chars){

            char c = getCurrentCharNext();   //得到当前字符，包括空格、换行符。将指针指向下一个字符

            if(Character.toLowerCase(ch) != Character.toLowerCase(c)){

                return false;

            }

        }

        return true;

    }

如果是true,就是`checkChars('t','r','u','e')`

解析数字

解析数字的实现是parseNumber方法，我们先new一个StringBuilder，向后扫描只要碰到0-9或者+-小数点，就添加到这个StringBuilder当中去，否则就StringBuilder.toString，将这个字符串转换成数字。

如果包含小数点，就用double，否则就用integer。

解析字符串

在json中字符串都是以双引号”开头，再以双引号”结尾的。当扫描到双引号”时，new一个StringBuilder，然后在下一个双引号”出现之前的每一个字符都需要添加到这个StringBuilder中去。需要注意的一点，字符串中是可能出现转义字符的。因此在扫描到一个字符为斜杠\时，需要取出下一个字符进行特殊处理。

解析JsonObject

连续调用两次nextObject，第一次结果作为key，第二次结果作为value。放到JsonObject中去。
注意逗号和冒号的处理。

JsonArray的解析

在下一个 ] 符号出现之前，递归调用nextObject方法，把解析到的对象都放到这个JsonArray里面去。

由于nextObject只返回一个对象，我们用nextObject方法处理整个json字符串。那么nextObject方法就会得到你需要的JsonObject。

超大json对象的解析

参考 http://blog.csdn.net/dxiaolai/article/details/76359332

在大数据量的json场景下，不必将整个json字符串全部解析成json object后再处理，而是通过迭代器模式我们可以在解析字符串的同时使用对象。这样可以大大的提高程序的执行效率。

扩展ObjectParser类，使其成为一个迭代器，

public class ObjectParser implements Iterator<Object>{

    public Object next(){

        return nextObject();

    }

    public boolean hasNext(){

        return pos < json.length();

    }

    @Override

    public void remove() {

    }

}

这样就可以边解析边使用对象了。

ObjectParser parser = new ObjectParser ("json");

while(parser.hasNext()){

    Object object = parser.next();

}

超大的json串，通常是以流的方式提供，我们不必要一次性将流字节全部读入内存，而是可以逐字符的解析。每次读取若干个字符，解析成对象；实现方式是使用BuffererReader，修改getChar等方法，每次读字符时从BuffererReader中读取。配合上面的迭代器模式，可考虑将一个BuffererReader封装成Iterator<Object>。

码农公寓

概述