каждый. Нужна помощь в открытии и чтении файла.
Получил этот текстовый файл - https://yadi.sk/i/1TH7_SYfLss0JQ
Это словарь
{"id0": "url0", "id1": "url1",..., "idn": "urln"}
Но это было написано с использованием json в текстовый файл.
#This is how I dump the data into a txt
json.dump(after,open(os.path.join(os.getcwd(), 'before_log.txt'), 'a'))
Итак, структура файла: {"id0": "url0", "id1": "url1",..., "idn": "urln"} {"id2": "url2", "id3": "url3 ",...," id4 ":" url4 "} {" id5 ":" url5 "," id6 ":" url6 ",...," id7 ":" url7 "}
И это все строка....
Мне нужно открыть его и проверить повторный ID, удалить и сохранить его снова.
Но получение - json.loads показывает ValueError: дополнительные данные
Попробовал следующее: Как читать JSON с разделителями строк из большого файла (строка за строкой) Python json.loads показывает ValueError: Дополнительные данные json.decoder.JSONDecodeError: Дополнительные данные: строка 2, столбец 1 (символ 190)
Но все равно получаю эту ошибку, просто в другом месте.
Прямо сейчас я дошел до:
with open('111111111.txt', 'r') as log:
before_log = log.read()
before_log = before_log.replace('}{',', ').split(', ')
mu_dic = []
for i in before_log:
mu_dic.append(i)
Это устраняет проблему нескольких {} {} {} словарей /jsons подряд.
Может быть, есть лучший способ сделать это?
PS Вот как файл сделан:
json.dump(after,open(os.path.join(os.getcwd(), 'before_log.txt'), 'a'))
Размер файла составляет 9,5 МБ, поэтому вам потребуется некоторое время, чтобы открыть его и отладить вручную. Итак, используя инструменты head
и tail
(обычно встречающиеся в любом дистрибутиве Gnu/Linux), вы увидите, что:
# You can use Python as well to read chunks from your file
# and see the nature of it and what it causing a decode problem
# but i prefer head & tail because they're ready to be used :-D
$> head -c 217 111111111.txt
{"1933252590737725178": "https://instagram.fiev2-1.fna.fbcdn.net/vp/094927bbfd432db6101521c180221485/5CC0EBDD/t51.2885-15/e35/46950935_320097112159700_7380137222718265154_n.jpg?_nc_ht=instagram.fiev2-1.fna.fbcdn.net",
$> tail -c 219 111111111.txt
, "1752899319051523723": "https://instagram.fiev2-1.fna.fbcdn.net/vp/a3f28e0a82a8772c6c64d4b0f264496a/5CCB7236/t51.2885-15/e35/30084016_2051123655168027_7324093741436764160_n.jpg?_nc_ht=instagram.fiev2-1.fna.fbcdn.net"}
$> head -c 294879 111111111.txt | tail -c 12
net"}{"19332
Итак, первое предположение состоит в том, что ваш файл представляет собой искаженную серию данных JSON
, и лучшее предположение - разделить }{
\n
для дальнейших манипуляций.
Итак, вот пример того, как вы можете решить вашу проблему с помощью Python
:
import json
input_file = '111111111.txt'
output_file = 'new_file.txt'
data = ''
with open(input_file, mode='r', encoding='utf8') as f_file:
# this with statement part can be replaced by
# using sed under your OS like this example:
# sed -i 's/}{/}\n{/g' 111111111.txt
data = f_file.read()
data = data.replace('}{', '}\n{')
seen, total_keys, to_write = set(), 0, {}
# split the lines of the in memory data
for elm in data.split('\n'):
# convert the line to a valid Python dict
converted = json.loads(elm)
# loop over the keys
for key, value in converted.items():
total_keys += 1
# if the key is not seen then add it for further manipulations
# else ignore it
if key not in seen:
seen.add(key)
to_write.update({key: value})
# write the dict keys & values into a new file as a JSON format
with open(output_file, mode='a+', encoding='utf8') as out_file:
out_file.write(json.dumps(to_write) + '\n')
print(
'found duplicated key(s): {seen} from {total}'.format(
seen=total_keys - len(seen),
total=total_keys
)
)
Выход:
found duplicated key(s): 43836 from 45367
И, наконец, выходной файл будет действительным файлом JSON
а дублированные ключи будут удалены со своими значениями.
Основное различие между структурой файла и фактическим форматом json заключается в отсутствии запятых, а строки не заключены в [
. То же самое можно сделать с помощью приведенного ниже фрагмента кода.
with open('json_file.txt') as f:
# Read complete file
a = (f.read())
# Convert into single line string
b = ''.join(a.splitlines())
# Add , after each object
b = b.replace("}", "},")
# Add opening and closing parentheses and ignore last comma added in prev step
b = '[' + b[:-1] + ']'
x = json.loads(b)
,
разделены и , так как он должен был быть список jsons, []
Необходимо также добавить
}{
, просто замените}{
на}\n{
и разбейте строки.