【hive】HiveSQL中两个json解析函数的使用&json路径定位小工具

文章目录

1.HiveSQL中两个json解析函数
- 1）get_json_object
- 2）json_tuple
2.json中key所在层级路径定位小工具

关于json： https://blog.csdn.net/atwdy/article/details/124668815

1.HiveSQL中两个json解析函数

1）get_json_object

文档：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-get_json_object，该函数可以按照层级关系解析出任意层级的key，指定的key不存在时返回null，开发中注意对null值的处理。既可以处理json对象也可以解析json数组。参数中相关符号的含义如下：
$：代表json的根对象，即传入的json本身。（对象{ }，或对象数组[{ }, { }, ...]）
.：父子层级关系
[]：用于指定对象数组中要解析对象的下标，起始0
*：通配符，用在[]中，表示取[]中所有对象。（通配符个人认为适用的场景为取同一层级所有对象的某个属性时，如果是取所有对象本身，那么直接不加[]也是一样的效果）

demo

sql 复制代码

-- 测试json
create temporary view test as
select 
'[
    {
		"name": "张三",
		"age": 20,
		"sport": ["篮球", "乒乓球"]
	},
	{
		"name": "李四",
		"age": 20,
		"sport": ["足球", "羽毛球"]
	}
]' as json_str;

-- 取根对象，也就是传入的json本身
-- [{"name":"张三","age":20,"sport":["篮球","乒乓球"]},{"name":"李四","age":20,"sport":["足球","羽毛球"]}]
select get_json_object(json_str, '$') from test;

-- 取根对象数组中的第一个对象：张三
-- {"name":"张三","age":20,"sport":["篮球","乒乓球"]}
select get_json_object(json_str, '$[0]') from test;

-- 取根数组中所有对象的年龄，返回值为数组形式的字符串，不去重，忽略null值
-- [20,20]
select get_json_object(json_str, '$[*].age') from test;

2）json_tuple

文档：https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-json_tuple，该函数适用于对传入的json对象一次性解析多个key的场景，如果用get_json_object需要解析多次，该函数只需要解析一次。传入的key不存在时同样返回null。只能提取json根对象的属性key，不能用于提取嵌套json对象的属性或跨多个层级的属性。且只能解析json对象不能解析json数组。

和get_json_object不同的是，get_json_object是一个普通的UDF函数，返回的是一个值。而json_tuple是一个UDTF函数，返回的是一个表，所以开发中为了关联原表相关信息该函数一般需要和lateral view侧视图
https://blog.csdn.net/atwdy/article/details/137614216连用。

demo

sql 复制代码

-- 测试json
create temporary view test as
select '1' as id, '{"name": "张三", "age": 20, "sport": ["篮球", "乒乓球"]}' as info
union all
select '2' as id, '{"name": "李四", "age": 20, "sport": ["足球", "羽毛球"]}' as info;

select * from test;

sql 复制代码

select json_tuple(info, 'name', 'age', 'sport') from test;

lateral view 关联原表信息：

sql 复制代码

select 
    t1.id,
    t2.*
from test t1 
lateral view json_tuple(info, 'name', 'age', 'sport') t2 as name, age, sport;

官网中只说了需要通过lateral view关联原表信息，但实际测试中发现select id, json_tuple(info, 'name', 'age', 'sport') as (name, age, sport) from test;这种语法格式也能输出上图结果。虽然逻辑上理解并不矛盾，尽管该UDTF返回的是个表，但一行输入只会对应一行输出，只是输出的字段可能是多个，并不像explode那样返回的是多行。所以不会出现一行输入对应多行输出的情况。但官方文档中没有提到这种语法，为了准确还是按照侧视图实现比较稳妥。

2.json中key所在层级路径定位小工具

对于一个复杂的json串，解析某个key时人工查找该key所在路径效率低也容易出错，下面代码可以快速找到指定key第一次出现时所在的层级路径：

py 复制代码

#!/usr/bin/env python3
# -*-coding:utf-8 -*-
"""
@desc: 查找json中key第一次出现时的所在层级路径，key不存在返回None
@time: 2024/8/4 01:52
"""

import json


def find_path(json_obj, key, path=None):
    if path is None:
        path = []

    if isinstance(json_obj, dict):
        if key in json_obj:
            return path + [key]
        for k, v in json_obj.items():
            p = find_path(v, key, path + [k])
            if p is not None:
                return p
    elif isinstance(json_obj, list):
        for i, v in enumerate(json_obj):
            p = find_path(v, key, path + [str(i)])
            if p is not None:
                return p
    return None


if __name__ == '__main__':
    json_file = r'./data.json'
    with open(json_file, 'r', encoding='utf8') as fin:
        json_obj = json.load(fin)
        path = find_path(json_obj, key='broadcast_desc')
        print(path)