SQL Server中OPENJSON + WITH 来解析JSON

一、概念

OPENJSON 是 SQL Server(2016 及更高版本) 中引入的一个表值函数 ,它将 JSON 文本转换为行和列的关系型数据结构。通过添加 WITH 子句,可以明确指定返回数据的结构和类型,实现 JSON 数据到表格数据的精确映射。

  1. OPENJSON 函数

    OPENJSON 函数用于将 JSON 文本解析为关系型数据,即将 JSON 数据转换为一张表。默认情况下,OPENJSON 返回三列:

    • key:JSON 的键值

    • value:对应的值

    • type:值的数据类型(例如:字符串、整数、对象、数组等标记为数字)

  2. WITH 子句

    使用 WITH 子句可以将 JSON 中的数据映射为指定的列 ,并定义其数据类型与 JSON 路径。这样不仅可以对 JSON 进行解析,还能以传统的关系型数据方式进行查询和处理。

二、语法

sql 复制代码
SELECT column_list
FROM OPENJSON(json_expression)
WITH (
column1 data_type '$.path1',
column2 data_type '$.path2',
...
);

说明:

  • json_expression:可以是一个包含 JSON 字符串的变量直接的 JSON 文本

  • WITH 子句中指定了需要映射的列名数据类型 以及JSON 路径

    • .path 表示从根()开始的 JSON 路径。例如:.id、.customer.name 等。

这样,OPENJSON 会把解析的结果返回为一张虚拟表,通过 SELECT 语句可以直接查询。

三、使用示例

示例1:解析简单的 JSON 对象

sql 复制代码
DECLARE @json NVARCHAR(MAX) = N'{"id": 1, "name": "张三", "age": 30, "isActive": true}';

SELECT *
FROM OPENJSON(@json)
WITH (
    id INT '$.id',
    name NVARCHAR(50) '$.name',
    age INT '$.age',
    isActive BIT '$.isActive'
);

示例2:处理 JSON 数组

  • 将整个数组转换为表行:使用 OPENJSON 将数组中的每个元素转换为结果集中的一行。
  • 提取数组元素的特定属性:结合 WITH 子句指定需要提取的属性及其数据类型。
  • 处理嵌套数组:使用 CROSS APPLY 配合多层 OPENJSON 调用。

关键点:

  • 对数组元素使用 AS JSON 选项保持 JSON 格式以便进一步处理
  • 使用 CROSS APPLY 连接多个 OPENJSON 调用来处理多层嵌套
sql 复制代码
DECLARE @json NVARCHAR(MAX) = N'[
    {"id": 1, "name": "张三", "skills": ["SQL", "C#", "Python"]},
    {"id": 2, "name": "李四", "skills": ["Java", "JavaScript"]}
]';

SELECT id, name, skills
FROM OPENJSON(@json)
WITH (
    id INT '$.id',
    name NVARCHAR(50) '$.name',
    skills NVARCHAR(MAX) '$.skills' AS JSON
);

输出结果

这个查询从JSON数组中提取基本信息并保留skills数组为JSON格式:

id name skills
1 张三 "SQL", "C#", "Python"
2 李四 "Java", "JavaScript"
sql 复制代码
--处理用户及其标签的 JSON 数组
DECLARE @json NVARCHAR(MAX) = N'[
    {"userID": 1, "username": "user1", "tags": ["前端", "JavaScript", "React"]},
    {"userID": 2, "username": "user2", "tags": ["后端", "Python", "Django"]},
    {"userID": 3, "username": "user3", "tags": ["全栈", "JavaScript", "Node.js", "MongoDB"]}
]';

-- 提取用户基本信息(保留标签数组为 JSON)
SELECT userID, username, tags
FROM OPENJSON(@json)
WITH (
    userID INT '$.userID',
    username NVARCHAR(50) '$.username',
    tags NVARCHAR(MAX) '$.tags' AS JSON
) AS users;

-- 展开每个用户的标签到单独的行(一对多关系)
SELECT 
    u.userID,
    u.username,
    JSON_VALUE(t.value, '$') AS tag
FROM OPENJSON(@json)
WITH (
    userID INT '$.userID',
    username NVARCHAR(50) '$.username',
    tags NVARCHAR(MAX) '$.tags' AS JSON
) AS u
CROSS APPLY OPENJSON(u.tags) AS t;

第一部分输出结果

这个查询提取用户基本信息,保留标签数组为JSON格式:

userID username tags
1 user1 "前端", "JavaScript", "React"
2 user2 "后端", "Python", "Django"
3 user3 "全栈", "JavaScript", "Node.js", "MongoDB"

第二部分输出结果

这个查询使用CROSS APPLY展开每个用户的标签到单独的行,实现了一对多的关系展示:

userID username tag
1 user1 前端
1 user1 JavaScript
1 user1 React
2 user2 后端
2 user2 Python
2 user2 Django
3 user3 全栈
3 user3 JavaScript
3 user3 Node.js
3 user3 MongoDB

示例3:处理嵌套的 JSON 对象

这个例子展示了 SQL Server 中 JSON 路径表达式的使用,特别是 $.path 格式如何从根($)开始导航嵌套的 JSON 结构。

重要概念解释

  • $ 符号:始终表示"当前上下文的根",不一定是整个 JSON 文档的根
  • 上下文切换:OPENJSON 的第二个参数改变了解析上下文,所有 WITH 子句中的路径都相对于这个新上下文
sql 复制代码
DECLARE @json NVARCHAR(MAX) = N'{
    "employee": {
        "id": 101,
        "name": "王五",
        "contact": {
            "email": "wangwu@example.com",
            "phone": "13800138000"
        }
    }
}';

SELECT id, name, email, phone
FROM OPENJSON(@json, '$.employee')
WITH (
    id INT '$.id',
    name NVARCHAR(50) '$.name',
    email NVARCHAR(100) '$.contact.email',
    phone NVARCHAR(20) '$.contact.phone'
);

在这个示例中:

  1. OPENJSON 的第二个参数 '$.employee'
    • $ 表示整个 JSON 文档的根
    • .employee 表示从根访问名为 "employee" 的对象
    • 这个参数将查询的上下文(或"基准点")设置为 employee 对象内部
  2. WITH 子句中的路径
    • '$.id''$.name' 从 employee 对象(当前上下文)直接访问属性
    • '$.contact.email''$.contact.phone' 表示从当前上下文(employee 对象)开始,先访问 contact 对象,然后获取其中的 email 或 phone 属性
相关推荐
M-Robots echo1 小时前
轻量化裁剪方案解析:M-Robots 模块化构建,适配高低端各类机器人硬件平台
java·机器人·ros·开源社区·atomgit·m-robots
不可求~2 小时前
多模型路由怎么落地:把任务分流写进项目的最小实现
java·前端·数据库
Lumistory2 小时前
城市建筑照明的落地与长效运营观察
大数据·数据库·中间件·光照贴图
mldong2 小时前
用 DDD 设计工作流引擎:聚合根与充血模型
java·架构
mqiqe4 小时前
AgentScope Java Harness:4. 双层记忆系统 让 Agent 拥有真正的“长期大脑“
java·开发语言
伍一514 小时前
03-文件管理模块-一个看似简单的模块藏着多少细节
java·ruoyi·若依
gugucoding4 小时前
46. 【Java】JUC并发工具:让并发更简单
java·开发语言
Nebula_g4 小时前
JavaSE基础语法:面向对象高级(代码中的成分)
java·开发语言·编程·javase·技术栈·高级语法
围炉聊科技5 小时前
长期免费的数据库方案——零成本基建系列
数据库
AC赳赳老秦5 小时前
公开图片 OCR 数据提取:OpenClaw 合规采集公开信息图,识别文字与表格并转化为结构化数据
java·大数据·前端·数据库·python·php·openclaw