如何用Python将键值对文本转换为带数组结构的JSON格式

我需要处理一种无固定格式但采用键值对存储的文本文件，目标是将其转换为JSON格式。目前已经实现了基础的键值对转换，但遇到带有数组索引的键（如Subject[0].MxpCode）时，无法生成对应的JSON数组结构，只能输出扁平的键值对JSON。

输入示例 #

[DOCUMENT]
Headline=This is Headline
MainLanguage=EN
DocType.MxpCode=1000
Subject[0].MxpCode=BUSNES
Subject[1].MxpCode=CONS
Subject[2].MxpCode=ECOF
Author[0].MxpCode=6VL6
Industry[0].CtbCode=53
Industry[1].CtbCode=5340
Industry[2].CtbCode=534030
Industry[3].CtbCode=53403050
Symbol[0].Name=EXPE.OQ
Symbol[1].Name=ABNB.OQ
WorldReg[0].CtbCode=G4
Country[0].CtbCode=G26
Country[1].CtbCode=G2V
[ENDOFFILE]

现有转换代码 #

import json

with open("file1.csv") as f:
    lines = f.readlines()
data = {}
for line in lines:
    parts = line.split('=')
    if len(parts) == 2:
        data[parts[0].strip()] = parts[1].strip()
print(json.dumps(data, indent='  '))

当前问题 #

现有代码会将所有键直接作为顶层属性，输出如下扁平结构（仅示例部分）：

{
  "Headline": "This is Headline",
  "Subject[0].MxpCode": "BUSNES",
  "Subject[1].MxpCode": "CONS"
}

无法将Subject[0]、Subject[1]这类带索引的键转换为JSON数组，也无法处理嵌套字段。

期望输出 #

需要将带索引的键转换为对应数组结构，同时处理嵌套字段，示例如下：

{
  "headline": "This is Headline",
  "mainLanguage": "EN",
  "docType": {
    "mxpCode": "1000"
  },
  "subject": [
    {
      "mxpCode": "BUSNES"
    },
    {
      "mxpCode": "CONS"
    },
    {
      "mxpCode": "ECOF"
    }
  ],
  "author": [
    {
      "mxpCode": "6VL6"
    }
  ],
  "industry": [
    {
      "ctbCode": "53"
    },
    {
      "ctbCode": "5340"
    },
    {
      "ctbCode": "534030"
    },
    {
      "ctbCode": "53403050"
    }
  ],
  "symbol": [
    {
      "name": "EXPE.OQ"
    },
    {
      "name": "ABNB.OQ"
    }
  ],
  "worldReg": [
    {
      "ctbCode": "G4"
    }
  ],
  "country": [
    {
      "ctbCode": "G26"
    },
    {
      "ctbCode": "G2V"
    }
  ]
}

解决方案 #

可以通过正则表达式解析键名中的数组标识和嵌套字段，逐步构建包含数组和嵌套对象的JSON结构：

import json
import re

# 匹配数组类型的键：比如Subject[0].MxpCode
array_key_pattern = re.compile(r'^(\w+)\[(\d+)\]\.(\w+)$')
# 匹配普通嵌套键：比如DocType.MxpCode
nested_key_pattern = re.compile(r'^(\w+)\.(\w+)$')

def convert_to_structured_json(file_path):
    data = {}
    with open(file_path) as f:
        for line in f:
            line = line.strip()
            # 跳过文件头、尾和空行
            if not line or line in ('[DOCUMENT]', '[ENDOFFILE]'):
                continue
            key, value = line.split('=', 1)
            key = key.strip()
            value = value.strip()

            # 先尝试匹配数组键
            array_match = array_key_pattern.match(key)
            if array_match:
                array_name, index, field = array_match.groups()
                # 转小写（可选，根据需求调整）
                array_name = array_name.lower()
                field = field.lower()
                index = int(index)

                # 初始化数组
                if array_name not in data:
                    data[array_name] = []
                # 确保数组长度足够，不足的话补充空对象
                while len(data[array_name]) <= index:
                    data[array_name].append({})
                # 添加字段到对应索引的对象
                data[array_name][index][field] = value
                continue

            # 再尝试匹配普通嵌套键
            nested_match = nested_key_pattern.match(key)
            if nested_match:
                parent_key, field = nested_match.groups()
                parent_key = parent_key.lower()
                field = field.lower()
                # 初始化父对象
                if parent_key not in data:
                    data[parent_key] = {}
                data[parent_key][field] = value
                continue

            # 普通顶层键，转小写
            data[key.lower()] = value

    return json.dumps(data, indent=2)

# 调用示例
print(convert_to_structured_json("file1.csv"))

代码说明 #

1. 正则匹配：用两个正则分别识别数组类型的键和普通嵌套键，提取关键信息（数组名、索引、字段名/父键、字段名）。
2. 数组构建：遇到数组键时，先初始化对应的数组，若索引超出当前数组长度，自动补充空对象，确保索引对应正确的位置。
3. 嵌套对象处理：普通嵌套键（如DocType.MxpCode）会被转换为顶层对象下的嵌套字段。
4. 大小写转换：将所有键转换为小写（可根据需求移除该逻辑），让JSON结构更统一。

内容的提问来源于stack exchange，提问作者Atharv Thakur