Java中将含10k独立JSON对象的文档转为数组及转义问题处理

安全阿岳

2026-8-9

问题描述

将非SQL源数据库迁移至SQL数据库时，源输出的JSON文档由一系列独立JSON对象组成。使用Java的JSONObject时，它只能识别顶层对象，因此需要编写代码将这些独立对象转为数组。

当前做法是把JSON文档转成字符串，通过计数大括号定位每个对象并插入数组，代码如下：

for (int i = 0; i < doc.length(); i++) {
 char currentChar = doc.charAt(i);
 if (currentChar == '{') {
  Integer jsonStart = i;
  Integer openBrace = 1;
  Integer closeBrace = 0;
  while (openBrace > closeBrace) {
   i++;
   currentChar = doc.charAt(i);
   if (currentChar == '{') {
    openBrace++;
   }
   if (currentChar == '}') {
    closeBrace++;
   }
  }
  Integer jsonEnd = i;
  String currentString = doc.substring(jsonStart, jsonEnd + 1);
  JSONObject currentJSONObject = new JSONObject(currentString);
  returnJSONArray.put(currentJSONObject);
 }
}

因为数据量较大，数据库被拆成多个含10k对象的文档。代码原本运行正常，但遇到值中包含大括号的文档时出错，于是添加代码识别引号包裹的值并忽略其中的大括号：

if (currentChar == '"') {
 i++;
 currentChar = mongoExport.charAt(i);
 while (!(currentChar == '"')) {
  i++;
  currentChar = mongoExport.charAt(i);
 }
}

修改后解决了值含大括号的问题，但测试其他文档时出现**"String index out of range: 大数"**错误，根源是查找结束引号的while循环遇到了转义引号（\"），导致循环一直找不到结束引号，最终超出字符串长度。尝试检查引号前的转义字符但无效，且无法手动检查超长文档，请问如何处理这类字符串？是否有更简便的初始方法？

解决方案

放弃手动解析JSON，使用成熟库：手动处理JSON的字符转义、嵌套结构等场景极易踩坑，转义引号、嵌套对象/数组、Unicode转义等情况都会让手写逻辑漏洞百出。直接用Jackson、Gson这类主流JSON解析库处理这种"JSON Lines"格式的文档，是最稳妥的方案。

用Jackson流式处理JSON Lines：
你的场景属于标准的JSON Lines格式（每个独立JSON对象占一行或连续排列），Jackson支持流式解析，无需将整个文档加载到内存，适合处理大体积文档。示例代码：

import com.fasterxml.jackson.databind.ObjectMapper;
import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

public class JsonLinesParser {
    public static void main(String[] args) throws IOException {
        ObjectMapper objectMapper = new ObjectMapper();
        File jsonFile = new File("your-input-file.json");
        List<Object> jsonObjects = new ArrayList<>();

        // 逐对象解析，内存占用低
        try (var reader = objectMapper.readerFor(Object.class).readValues(jsonFile)) {
            while (reader.hasNext()) {
                Object jsonObj = reader.next();
                jsonObjects.add(jsonObj);
                // 可直接在此处将对象写入SQL数据库，无需先存数组
            }
        }
    }
}

若必须使用org.json的JSONObject：
可以先将文档拼接成合法的JSON数组字符串再解析，前提是文档中对象以换行分隔或无多余空格：

import org.json.JSONArray;
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;

public class JsonToArray {
    public static void main(String[] args) throws IOException {
        StringBuilder sb = new StringBuilder("[");
        try (BufferedReader br = new BufferedReader(new FileReader("your-input-file.json"))) {
            String line;
            boolean isFirst = true;
            while ((line = br.readLine()) != null) {
                line = line.trim();
                if (line.isEmpty()) continue;
                if (!isFirst) sb.append(",");
                sb.append(line);
                isFirst = false;
            }
        }
        sb.append("]");
        JSONArray jsonArray = new JSONArray(sb.toString());
        // 后续处理数组中的JSONObject
    }
}

若文档中对象是连续无换行的{...}{...}格式，这种方式不适用，还是得用流式解析库。

修复现有代码的转义引号判断逻辑：
若一定要维护现有代码，需正确判断引号是否被转义（连续偶数个反斜杠才是有效转义），修改后的引号处理逻辑：

if (currentChar == '"') {
    i++;
    while (i < doc.length()) {
        currentChar = doc.charAt(i);
        if (currentChar == '"') {
            // 统计前导反斜杠数量，判断是否为转义引号
            int backslashCount = 0;
            int j = i - 1;
            while (j >= 0 && doc.charAt(j) == '\\') {
                backslashCount++;
                j--;
            }
            // 偶数个反斜杠表示当前是结束引号
            if (backslashCount % 2 == 0) break;
        }
        i++;
    }
}

但这种方式仍无法覆盖所有JSON边界场景，远不如使用现成库可靠。

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