将从Cassandra导出的JSON数组拆分为独立文件/对象

要把你从Cassandra导出的这些JSON数据拆成独立文档其实很简单——每条记录本身就是一个完整的JSON对象，我们只需要把每个被{}包裹的内容单独提取出来就行。

拆分后的独立文档示例 #

第一条独立文档 #

{ 
  "correlationId": "2232845a8556cd3219e46ab8", 
  "leg": 0, 
  "tag": "received", 
  "offset": 263128, 
  "len": 30, 
  "prev": { 
    "page": { 
      "file": 0, 
      "page": 0 
    }, 
    "record": 0 
  }, 
  "data": "HEAD /healthcheck HTTP/1.1\r\n\r\n" 
}

第二条独立文档 #

{ 
  "correlationId": "2232845a8556cd3219e46ab8", 
  "leg": 0, 
  "tag": "sent", 
  "offset": 262971, 
  "len": 157, 
  "prev": { 
    "page": { 
      "file": 10330, 
      "page": 6 
    }, 
    "record": 1271 
  }, 
  "data": "HTTP/1.1..."
}

批量处理小技巧（适用于大量数据） #

如果你的导出数据是成百上千条JSON对象拼接在一起的（比如用逗号分隔），可以用一段简单的Python脚本自动拆分并保存为单独文件：

import json

# 假设导出数据存在input.json文件中
with open('input.json', 'r') as f:
    content = f.read().strip()
    # 将零散的JSON对象转为合法的JSON数组格式
    if not content.startswith('['):
        content = '[' + content.replace('}{', '},{') + ']'
    data_list = json.loads(content)

# 逐个保存为独立文件
for idx, item in enumerate(data_list):
    with open(f'record_{idx+1}.json', 'w') as out_f:
        json.dump(item, out_f, indent=2)

这段脚本会把每条记录保存为record_1.json、record_2.json这类独立文件，方便后续单独查看或处理。

内容的提问来源于stack exchange，提问作者Reddy SK