Преобразование CSV в JSON в bash

Попытка конвертировать CSV файл в JSON

Вот две строки:

-21.3214077;55.4851413;Ruizia cordata
-21.3213078;55.4849803;Cossinia pinnata

Я хотел бы получить что-то вроде:

"occurrences": [
                 {
                "position": [-21.3214077, 55.4851413],
                "taxo": {
                    "espece": "Ruizia cordata"
                 },
                 ...
             }]

Вот мой script:

    echo '"occurences": [ '

cat se.csv | while read -r line
  do
      IFS=';' read -r -a array <<< $line;
      echo -n -e '{ "position": [' ${array[0]}
      echo -n -e ',' ${array[1]} ']'
      echo -e ', "taxo": {"espece":"' ${array[2]} '"'
done
echo "]";

Я получаю действительно странные результаты:

   "occurences": [ 
 ""position": [ -21.3214077, 55.4851413 ], "taxo": {"espece":" Ruizia cordata
 ""position": [ -21.3213078, 55.4849803 ], "taxo": {"espece":" Cossinia pinnata

Что не так с моим кодом?

ОТВЕТЫ

Ответ 1

Правильный инструмент для этой работы - jq.

jq -Rsn '
  {"occurrences":
    [inputs
     | . / "\n"
     | (.[] | select(length > 0) | . / ";") as $input
     | {"position": [$input[0], $input[1]], "taxo": {"espece": $input[2]}}]}
' <se.csv

излучает, учитывая ваш вклад:

{
  "occurences": [
    {
      "position": [
        "-21.3214077",
        "55.4851413"
      ],
      "taxo": {
        "espece": "Ruizia cordata"
      }
    },
    {
      "position": [
        "-21.3213078",
        "55.4849803"
      ],
      "taxo": {
        "espece": "Cossinia pinnata"
      }
    }
  ]
}

Кстати, менее оригинальная версия вашего скрипта может выглядеть так:

#!/usr/bin/env bash

items=( )
while IFS=';' read -r lat long pos _; do
  printf -v item '{ "position": [%s, %s], "taxo": {"espece": "%s"}}' "$lat" "$long" "$pos"
  items+=( "$item" )
done <se.csv

IFS=','
printf '{"occurrences": [%s]}\n' "${items[*]}"

Примечание:

  • Абсолютно бессмысленно использовать cat для передачи в цикл (и веские причины не делать); таким образом, мы используем перенаправление (<), чтобы открыть файл непосредственно как цикл stdin.
  • read может быть передан список переменных назначения; таким образом, нет необходимости читать в массив (или сначала читать в строку, а затем генерировать гистерезис и читать из него в массив). _ в конце гарантирует, что лишние столбцы отбрасываются (помещая их в фиктивную переменную с именем _), а не добавляются в pos.
  • "${array[*]}" генерирует строку путем объединения элементов array с символом в IFS; таким образом, мы можем использовать это, чтобы гарантировать, что запятые присутствуют в выводе только тогда, когда они необходимы.
  • printf используется вместо echo, как указано в разделе "ИСПОЛЬЗОВАНИЕ ПРИЛОЖЕНИЯ" спецификации самого echo.
  • Это по-прежнему ошибочно, поскольку генерирует JSON через конкатенацию строк. Не используйте это.

Ответ 2

Вот статья на эту тему: https://infiniteundo.com/post/99336704013/convert-csv-to-json-with-jq

Он также использует JQ, но немного другой подход с использованием split() и map().

jq --slurp --raw-input \
   'split("\n") | .[1:] | map(split(";")) |
      map({
         "position": [.[0], .[1]],
         "taxo": {
             "espece": .[2]
          }
      })' \
  input.csv > output.json

Однако он не обрабатывает выход разделителя.

Ответ 3

Принятый ответ использует jq для анализа ввода. Это работает, но jq не обрабатывает выходы, т.е. ввод из CSV, созданного из Excel или аналогичных инструментов, цитируется следующим образом:

foo,"bar,baz",gaz

приведет к неправильному выводу, поскольку jq будет видеть 4 поля, а не 3.

Одним из вариантов является использование значений, разделенных табуляцией, вместо запятой (если ваши входные данные не содержат вкладок!), А также принятый ответ.

Другой вариант - объединить ваши инструменты и использовать лучший инструмент для каждой части: анализатор CSV для чтения ввода и преобразования его в JSON, и jq для преобразования JSON в целевой формат.

Основанный на Python csvkit будет интеллектуально анализировать CSV и поставляется с инструментом csvjson, который будет намного лучше превращать CSV в JSON. Затем он может быть передан через jq для преобразования плоского вывода JSON с помощью csvkit в целевую форму.

С данными, предоставленными OP, для желаемого результата это так же просто, как:

csvjson --no-header-row  |
  jq '.[] | {occurrences: [{ position: [.a, .b], taxo: {espece: .c}}]}'

Обратите внимание, что csvjson автоматически определяет ; в качестве разделителя и без строки заголовка на входе назначает клавиши json как a, b и c.

То же самое относится и к записи в файлы CSV - csvkit может читать массив JSON или JSON с разделителями новой строки и интеллектуально выводить CSV через in2csv.

Ответ 4

Если вы хотите сойти с ума, вы можете написать парсер, используя jq. Вот моя реализация, которую можно рассматривать как инверсию фильтра @csv. Добавьте это в свой файл .jq.

def do_if(pred; update):
    if pred then update else . end;
def _parse_delimited($_delim; $_quot; $_nl; $_skip):
    [($_delim, $_quot, $_nl, $_skip)|explode[]] as [$delim, $quot, $nl, $skip] |
    [0,1,2,3,4,5] as [$s_start,$s_next_value,$s_read_value,$s_read_quoted,$s_escape,$s_final] |
    def _append($arr; $value):
        $arr + [$value];
    def _do_start($c):
        if $c == $nl then
            [$s_start, null, null, _append(.[3]; [""])]
        elif $c == $delim then
            [$s_next_value, null, [""], .[3]]
        elif $c == $quot then
            [$s_read_quoted, [], [], .[3]]
        else
            [$s_read_value, [$c], [], .[3]]
        end;
    def _do_next_value($c):
        if $c == $nl then
            [$s_start, null, null, _append(.[3]; _append(.[2]; ""))]
        elif $c == $delim then
            [$s_next_value, null, _append(.[2]; ""), .[3]]
        elif $c == $quot then
            [$s_read_quoted, [], .[2], .[3]]
        else
            [$s_read_value, [$c], .[2], .[3]]
        end;
    def _do_read_value($c):
        if $c == $nl then
            [$s_start, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
        elif $c == $delim then
            [$s_next_value, null, _append(.[2]; .[1]|implode), .[3]]
        else
            [$s_read_value, _append(.[1]; $c), .[2], .[3]]
        end;
    def _do_read_quoted($c):
        if $c == $quot then
            [$s_escape, .[1], .[2], .[3]]
        else
            [$s_read_quoted, _append(.[1]; $c), .[2], .[3]]
        end;
    def _do_escape($c):
        if $c == $nl then
            [$s_start, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
        elif $c == $delim then
            [$s_next_value, null, _append(.[2]; .[1]|implode), .[3]]
        else
            [$s_read_quoted, _append(.[1]; $c), .[2], .[3]]
        end;
    def _do_final($c):
        .;
    def _do_finalize:
        if .[0] == $s_start then
            [$s_final, null, null, .[3]]
        elif .[0] == $s_next_value then
            [$s_final, null, null, _append(.[3]; [""])]
        elif .[0] == $s_read_value then
            [$s_final, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
        elif .[0] == $s_read_quoted then
            [$s_final, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
        elif .[0] == $s_escape then
            [$s_final, null, null, _append(.[3]; _append(.[2]; .[1]|implode))]
        else # .[0] == $s_final
            .
        end;
    reduce explode[] as $c (
        [$s_start,null,null,[]];
        do_if($c != $skip;
            if .[0] == $s_start then
                _do_start($c)
            elif .[0] == $s_next_value then
                _do_next_value($c)
            elif .[0] == $s_read_value then
                _do_read_value($c)
            elif .[0] == $s_read_quoted then
                _do_read_quoted($c)
            elif .[0] == $s_escape then
                _do_escape($c)
            else # .[0] == $s_final
                _do_final($c)
            end
        )
    )
    | _do_finalize[3][];
def parse_delimited($delim; $quot; $nl; $skip):
    _parse_delimited($delim; $quot; $nl; $skip);
def parse_delimited($delim; $quot; $nl):
    parse_delimited($delim; $quot; $nl; "\r");
def parse_delimited($delim; $quot):
    parse_delimited($delim; $quot; "\n");
def parse_delimited($delim):
    parse_delimited($delim; "\"");
def parse_csv:
    parse_delimited(",");

Для ваших данных вы можете изменить разделитель на точки с запятой.

$ cat se.csv
-21.3214077;55.4851413;Ruizia cordata
-21.3213078;55.4849803;Cossinia pinnata
$ jq -R 'parse_delimited(";")' se.csv
[
  "-21.3214077",
  "55.4851413",
  "Ruizia cordata"
]
[
  "-21.3213078",
  "55.4849803",
  "Cossinia pinnata"
]

Это будет нормально работать для большинства входных данных для анализа строки за раз, но если ваши данные имеют буквальные переводы строк, вам нужно будет прочитать весь файл как строку.

$ cat input.csv
Year,Make,Model,Description,Price
1997,Ford,E350,"ac, abs, moon",3000.00
1999,Chevy,"Venture ""Extended Edition""","",4900.00
1999,Chevy,"Venture ""Extended Edition, Very Large""",,5000.00
1996,Jeep,Grand Cherokee,"MUST SELL!
air, moon roof, loaded",4799.00
$ jq -Rs 'parse_csv' input.csv
[
  "Year",
  "Make",
  "Model",
  "Description",
  "Price"
]
[
  "1997",
  "Ford",
  "E350",
  "ac, abs, moon",
  "3000.00"
]
[
  "1999",
  "Chevy",
  "Venture \"Extended Edition\"",
  "",
  "4900.00"
]
[
  "1999",
  "Chevy",
  "Venture \"Extended Edition, Very Large\"",
  "",
  "5000.00"
]
[
  "1996",
  "Jeep",
  "Grand Cherokee",
  "MUST SELL!\nair, moon roof, loaded",
  "4799.00"
]

Ответ 5

Поскольку решение jq не обрабатывает экранирование CSV, имена столбцов в первой строке, закомментированные строки и другие распространенные CSV-функции, я расширил инструмент CSV Cruncher, чтобы разрешать чтение CSV и запись это как JSON. Это не совсем "Bash", но и не jq :)

В первую очередь это приложение для обработки CSV-as-SQL, так что это не совсем тривиально, но вот хитрость:

./crunch -in myfile.csv -out output.csv --json -sql 'SELECT * FROM myfile'

Он также позволяет выводить в виде объекта JSON на строку или правильный массив JSON. Смотрите документацию.

Это в бета-качестве, поэтому все отзывы и запросы на получение приветствуются.

Ответ 6

В общем, если ваш jq имеет встроенный фильтр inputs (доступен с jq 1.5), то лучше использовать его, а не параметр командной строки -s.

Здесь в любом случае есть решение с использованием inputs. Это решение также без переменных.

{"occurrences":
  [inputs
   | select(length > 0)
   | . / ";"
   | {"position": [.[0], .[1]], 
      "taxo": {"espece": .[2]}} ]}

SSV, CSV и все такое

Выше, конечно, предполагается, что файл имеет разделенные точкой с запятой -s поля в каждой строке, и что нет никаких осложнений, связанных с файлами CSV.

Если у ввода есть поля, которые строго ограничены одним символом, то у jq не должно возникнуть проблем с обработкой. В противном случае, может быть лучше использовать инструмент, который может надежно конвертировать в формат TSV (табулированное значение -s), который jq может обрабатывать напрямую.

Ответ 7

Для полноты картины Xidel вместе с некоторой магией XQuery может сделать это тоже:

xidel -s input.csv --xquery '
  {
    "occurrences":for $x in tokenize($raw,"\n") let $a:=tokenize($x,";") return {
      "position":[
        $a[1],
        $a[2]
      ],
      "taxo":{
        "espece":$a[3]
      }
    }
  }
'

{
  "occurrences": [
    {
      "position": ["-21.3214077", "55.4851413"],
      "taxo": {
        "espece": "Ruizia cordata"
      }
    },
    {
      "position": ["-21.3213078", "55.4849803"],
      "taxo": {
        "espece": "Cossinia pinnata"
      }
    }
  ]
}