Java中利用正则表达式高效提取JSON数组中的独立对象

挑战：从JSON数组中提取独立对象

在java开发中，我们经常需要处理json数据。当面对一个包含多个json对象的数组字符串时，例如：

[
    {
        "name": "User1",
        "gender": "M"
    },
    {
        "name": "User2",
        "gender": "F"
    }
]

我们的目标是将其解析成一个List<String>，其中每个字符串代表一个独立的JSON对象，如{"name":"User1","gender":"M"}。直接使用String.split("},")等方法往往不可靠，因为JSON对象内部可能包含嵌套的结构或包含}字符的字符串值，导致错误的分割。因此，我们需要一个更精确的方法，特别是当JSON数据具有一致的格式化（如缩进）时。

核心解决方案：基于格式化特征的正则表达式

针对上述格式化的JSON数组，我们可以利用Java的正则表达式引擎来精准匹配并提取每个对象。关键在于构建一个能够识别对象起始和结束边界的正则表达式，并结合Java的Pattern和Matcher API。

正则表达式解析

我们使用的核心正则表达式是：(?sm)(?<=^ ){.*?(?<=^ )}。让我们逐一解析其组成部分：

• (?sm): 这是两个模式修饰符的组合：
  • s (DOTALL模式): 使.（点号）匹配包括换行符在内的所有字符。这对于匹配跨越多行的JSON对象至关重要。
  • m (MULTILINE模式): 使^（行首）和$（行尾）匹配每一行的开始和结束，而不仅仅是整个字符串的开始和结束。
• (?<=^ ): 这是一个正向后行断言（Positive Lookbehind）。它确保匹配的起始位置（即{）前面必须是行首（^）和四个空格。这利用了JSON对象在数组中通常以缩进开始的格式特征。
• {: 匹配字面量字符 {，表示JSON对象的开始。
• .*?: 匹配任意字符（包括换行符，因为s模式），非贪婪地匹配。这意味着它会尽可能少地匹配，直到遇到下一个匹配模式。
• (?<=^ ): 再次出现正向后行断言。它确保匹配的结束位置（即}）前面也必须是行首（^）和四个空格。这同样依赖于JSON对象的结束括号通常会独立于行首并缩进的格式特征。
• }: 匹配字面量字符 }，表示JSON对象的结束。

这个正则表达式非常依赖于输入JSON字符串的特定格式化，即每个JSON对象都以{开头，并且其闭合括号}也位于` `缩进的行首。

立即学习“Java免费学习笔记（深入）”；

Find JSON Path Online

Easily find JSON paths within JSON objects using our intuitive Json Path Finder

30

查看详情

Java实现示例

以下是使用Java代码实现JSON对象提取的完整示例：

import java.util.List;
import java.util.regex.MatchResult;
import java.util.regex.Pattern;
import static java.util.stream.Collectors.toList;

public class JsonObjectExtractor {

    public static void main(String[] args) {
        String inputJson = "[
" +
                "    {
" +
                "        "name": "User1",
" +
                "        "gender": "M"
" +
                "    },
" +
                "    {
" +
                "        "name": "User2",
" +
                "        "gender": "F"
" +
                "    }
" +
                "]";

        // 编译正则表达式
        Pattern pattern = Pattern.compile("(?sm)(?<=^    )\{.*?(?<=^    )}");

        // 使用Matcher查找所有匹配项
        List<String> jsonObjects = pattern.matcher(inputJson)
                .results() // 获取所有匹配结果流
                .map(MatchResult::group) // 提取每个匹配到的完整字符串
                // 进一步处理：移除对象内部多余的空白和换行符，使其更紧凑
                .map(str -> str.replaceAll("[s
]*(?!",)", ""))
                .collect(toList()); // 收集到List中

        // 打印提取出的JSON对象
        jsonObjects.forEach(System.out::println);
    }
}

输出结果：

{"name":"User1","gender":"M"}
{"name":"User2","gender":"F"}

代码解析

1. *`Pattern.compile("(?sm)(?<=^ ){.?(?<=^ )}")**: 创建一个Pattern`对象，编译前面解析过的正则表达式。
2. pattern.matcher(inputJson): 创建一个Matcher对象，用于在inputJson字符串中查找匹配项。
3. .results(): 返回一个Stream<MatchResult>，其中包含所有非重叠的匹配结果。
4. .map(MatchResult::group): 对流中的每个MatchResult，调用group()方法来获取实际匹配到的字符串（即完整的JSON对象字符串）。
5. *`.map(str -> str.replaceAll("[s ](?!",)", ""))**: 这一步是对提取出的JSON对象字符串进行后处理。它使用另一个正则表达式来移除对象内部多余的空白字符和换行符，从而将格式化的JSON对象转换为更紧凑的单行形式。[s ]*匹配任意空白字符或换行符，而(?!",)是一个负向先行断言，确保不会移除紧跟在双引号和逗号（",`）之后的空白，这有助于避免破坏JSON字符串内部的结构或值。
6. .collect(toList()): 将处理后的字符串流收集到一个List<String>中。

注意事项与替代方案

• 对格式的严格依赖性：本教程中使用的正则表达式高度依赖于输入JSON的精确格式化（例如，4个空格的缩进）。如果JSON的格式发生变化（例如，使用Tab缩进、不同数量的空格，或者JSON本身是紧凑格式），则此正则表达式将失效。
• 正则表达式的局限性：尽管正则表达式在文本模式匹配方面非常强大，但它并非处理复杂、嵌套JSON结构的理想工具。JSON是一种具有严格语法规则的数据格式，包含嵌套对象、数组、转义字符等，仅凭正则表达式很难健壮地解析所有有效JSON。
• 推荐的健壮方案：对于任何非trivial的JSON解析任务，强烈建议使用专门的JSON解析库，如：
  • Jackson: Java中最流行的JSON库之一，功能强大，性能优异。
  • Gson: Google提供的JSON库，API简洁易用。
  • JSON-P (Jakarta JSON Processing): Java EE/Jakarta EE标准的一部分，提供了标准化的JSON处理API。 这些库能够正确处理JSON的各种复杂性，包括转义字符、不同数据类型、嵌套结构等，并且提供了方便的API将JSON数据直接映射到Java对象，极大地简化了开发工作。

总结

本文展示了在特定场景下，如何利用Java的正则表达式功能从格式化的JSON数组字符串中提取独立的JSON对象。通过精确的正则表达式(?sm)(?<=^ ){.*?(?<=^ )}和Stream API，我们能够高效地完成这一任务。然而，必须强调的是，这种方法对JSON的格式有严格要求，且不适用于所有JSON解析场景。在大多数实际应用中，为了确保解析的健壮性和代码的可维护性，推荐使用专业的JSON解析库。

以上就是Java中利用正则表达式高效提取JSON数组中的独立对象的详细内容，更多请关注php中文网其它相关文章！