JSON过滤报错TypeError: string indices must be integers 求助

问题原因 #

你遇到的TypeError: string indices must be integers是因为直接遍历了Elasticsearch返回的顶层字典，拿到的是字典的键（字符串类型），而非实际的文档数据。Elasticsearch查询返回有固定层级结构，实际文档数据嵌套在hits.hits数组中，每个文档的业务数据又存放在_source字段下。

解决方案 #

典型Elasticsearch返回结构参考 #

你的JSON文件结构应该类似以下常规ES返回格式：

{
  "took": 2,
  "timed_out": false,
  "_shards": { "total": 1, "successful": 1, "skipped": 0, "failed": 0 },
  "hits": {
    "total": { "value": 5, "relation": "eq" },
    "max_score": 1.0,
    "hits": [
      {
        "_index": "your_index",
        "_id": "1",
        "_source": {
          "cbaCodeParts": { "HHH": "300", "otherField": "xxx" },
          ...
        }
      },
      ...
    ]
  }
}

代码修正 #

场景1：保留完整ES响应结构（包含_index、_score等元数据）

import json

with open('2022-10.json', 'r') as f:
    es_response = json.load(f)

# 定位到实际的文档数组
doc_list = es_response['hits']['hits']
# 过滤cbaCodeParts.HHH不等于'300'的文档
filtered_docs = [
    doc for doc in doc_list
    if doc['_source']['cbaCodeParts']['HHH'] != '300'
]

# 将过滤后的文档放回原响应结构
filtered_response = es_response.copy()
filtered_response['hits']['hits'] = filtered_docs

# 输出格式化后的结果
print(json.dumps(filtered_response, indent=2))

场景2：仅提取业务数据（_source部分）

如果不需要ES的元数据，只保留业务字段：

import json

with open('2022-10.json', 'r') as f:
    es_response = json.load(f)

doc_list = es_response['hits']['hits']
filtered_sources = [
    doc['_source'] for doc in doc_list
    if doc['_source']['cbaCodeParts']['HHH'] != '300'
]

print(json.dumps(filtered_sources, indent=2))

额外注意事项 #

• 如果你的JSON结构和典型结构有差异，先打印查看实际层级：

  import pprint
  with open('2022-10.json', 'r') as f:
      es_response = json.load(f)
  pprint.pprint(es_response)
  

• 若存在部分文档缺失cbaCodeParts或HHH字段的情况，为避免KeyError，可添加判断：

  filtered_docs = [
      doc for doc in doc_list
      if 'cbaCodeParts' in doc['_source']
      and doc['_source']['cbaCodeParts'].get('HHH') != '300'
  ]
  

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