如何用Awk实现LDIF转JSON？需为每条多行记录前后输出内容

问题 #

我正尝试使用Awk将LDIF转换为JSON，但无法实现为每条多行记录前后输出内容。目前仅能在BEGIN和END块各输出一次，或在每行前后输出，却无法针对每条记录操作。

实际输入的LDIF内容：

dn: CN=foo
objectClass: top

dn: CN=bar
objectClass: top

期望输出的JSON格式：

{
  "dn": "CN=foo",
  "objectClass": "top"
}
{
  "dn": "CN=bar",
  "objectClass": "top"
}

我试过两个脚本，但都达不到预期：
脚本1（为每一行添加大括号）：

BEGIN { RS="\n\n#"; FS=": "; }
print "{"
{ print "\""$1"\": \""$2"\","; }
print "}"

脚本2（为所有记录添加一组大括号）：

BEGIN { RS="\n\n#"; FS=": "; print "{" }
{ print "\""$1"\": \""$2"\","; }
END{ print "}" }

看起来Awk仅包含BEGIN、END块以及对记录（单行或多行）的隐式循环。我不清楚如何为每条多行记录前后输出内容，这在Awk中是否可行？有没有更好的LDIF转JSON的方法？实现该转换的完整Awk脚本（非单行形式）应该是什么样的？

解决方案 #

当然可以做到！你之前的问题主要是记录分隔符（RS）设置错误，而且没有在每条记录的处理逻辑里精准控制大括号的输出时机。

先理清核心问题 #

LDIF的记录是用空行分隔的，所以你应该把RS设为"\n\n"（如果你的输入是Windows格式的换行，可能需要改成"\r\n\r\n"，不过先按标准Unix换行处理）。之前你用的"\n\n#"完全不符合LDIF的分隔规则，这才导致脚本逻辑混乱。

完整的Awk脚本 #

BEGIN {
    # 设置记录分隔符为标准空行，字段分隔符为": "
    RS = "\n\n"
    FS = ": "
    # 标记是否是第一条记录，避免开头多出空行
    is_first = 1
}

# 只处理非空的记录（跳过文件末尾的空行等无效内容）
NF > 0 {
    # 非第一条记录前先输出换行，分隔开不同的JSON对象
    if (!is_first) {
        print ""
    }
    is_first = 0
    
    # 输出当前记录的起始大括号
    print "{"
    
    # 把当前多行记录拆分成单独的行数组
    split($0, record_lines, /\n/)
    # 遍历每一行，生成键值对
    for (i = 1; i <= length(record_lines); i++) {
        # 拆分每行的键和值
        split(record_lines[i], kv_pair, FS)
        # 最后一个键值对不要末尾的逗号，避免JSON语法错误
        if (i == length(record_lines)) {
            print "  \"" kv_pair[1] "\": \"" kv_pair[2] "\""
        } else {
            print "  \"" kv_pair[1] "\": \"" kv_pair[2] "\","
        }
    }
    
    # 输出当前记录的结束大括号
    print "}"
}

END {
    # 确保输出末尾有一个干净的换行
    print ""
}

脚本细节说明 #

1. 记录与字段分隔：RS="\n\n"让Awk正确识别每条LDIF记录，FS=": "精准拆分每行的键和值。
2. 空记录过滤：NF > 0会跳过空的记录（比如文件末尾的空行），避免生成无效的JSON。
3. JSON格式兼容：通过判断是否是最后一个键值对，去掉末尾的逗号，保证输出的JSON语法正确。
4. 记录间分隔：用is_first变量控制，避免第一条记录前出现多余空行，让输出更整洁。

其他更省心的方法 #

如果你的场景比较复杂（比如LDIF里有多值属性、特殊字符），Awk脚本可能会力不从心，这时候可以试试Python的ldif库，它能原生处理LDIF的各种细节：

import ldif
import json
from io import BytesIO

# 读取LDIF文件并转换为JSON
with open("your_input.ldif", "rb") as ldif_file:
    parser = ldif.LDIFParser(ldif_file)
    for dn, entry in parser.parse():
        # 把dn也加入到属性中
        entry["dn"] = dn
        # 格式化输出JSON
        print(json.dumps(entry, indent=2))
        print()

这个Python脚本会自动处理转义、多值属性等问题，比Awk更适合复杂的LDIF转换场景。

内容的提问来源于stack exchange，提问作者user261502