用Python替换JSON文件中的字符。由于文件太大（超过1 GB），编辑出现问题

Question

我有一个很大的JSON文件（通过Azure数据工厂导出）。如果DataFactory发现问题，它会在对象之间添加$符号。例如，它看起来像这样：

<br>{...}<br>
{...}<br>
{...}${...}<br>

所以我有一个错误，例如json.decoder.JSONDecodeError: Extra data: line 1 column 21994 (char 21993)

我用一种简单的方法处理它—notepad++替换$to\n，它很好；），但是现在我的文件大约是1.3 GB，我没有工具来编辑这么大的文件。你知道吗

我使用python从文件中的所有JSON对象导出数据，并将它们导出到XMLs。你知道吗

现在，我正在寻找一些解决方案，将所有$符号替换为换行符\n，并清理文件。你知道吗

我的代码开头是：

a = open('test.json', 'r', encoding = 'UTF8')
data1 = a.readlines()
a.close()

for i in range(len(data1)):
    print('Done%d/%d'%(i,len(data1)))
    jsI = json.loads(data1[i])

如果文件出现$符号，那么它就结束了。你知道吗

关于如何使用Python在文件中用换行符替换$符号，我可以请教一些建议吗？你知道吗

Answer 1

为了能够处理JSON对象中字符串中可能的$字符，您可以将输入字符串data1与$拆分为片段，将片段逐个连接到一个字符串中，直到它可以解析为JSON为止，此时输出该字符串并清除它以转到下一个片段：

import json
candidate = ''
for fragment in data1.split('$'):
    candidate += fragment
    try:
        json.loads(candidate)
        print(candidate)
        candidate = ''
    except json.decoder.JSONDecodeError:
        candidate += '$'
        continue

例如，给定data1 = '''{}${"a":"$"}${"b":{"c":2}}'''，这将输出：

{}
{"a":"$"}
{"b":{"c":2}}

Answer 2

问题可能出在a.readlines()，因为它会将整个文件带到内存中。在处理大型文件时，逐行阅读会更有趣，如下所示：

with open(fname) as f: 
    for line in f:
        # Do your magic here, on this loop
# No need to close it, since the `with` will take care of that.

如果您的目标是用\n替换每个$，则如下所示：

with open(fname, "r+") as f: 
    for line in f:
        line.replace("$", "\n")