如何在ruby中从行中提取数据？

我有一个10万行的文件，每行如下：

{ "_id" : ObjectId("567f972cad55ac0797baa773"), "id" : 357103 }

对于每一行，我需要使用它的

“id”

值做一些事情

到目前为止，我已经：

listings.each.with_index do |line, idx|
  # listing_id = JSON.parse(line).fetch("id") #>> invalid JSON error
  # line.split('"id : "') #=> some gibberish
  line.match(/"id" : (.*)/)[1] #=> "357103 }"

parse

抛出一个错误，即行不是有效的json<代码>拆分返回一些胡言乱语。我得到的最接近我期望的结果是

match

，但对于上面的示例

“357103}”

，它返回

你能帮我修一下吗？

你可以使用

\s（\d+）\s

正则表达式，不需要JSON解析

line.match(/\s(\d+)\s/)[1] #=> "357103"

您可以使用

\s（\d+）\s

regex，不需要JSON解析

line.match(/\s(\d+)\s/)[1] #=> "357103"

---

ID是由所有数字组成的吗？您可以尝试使用一个正则表达式来查找冒号，然后再查找数字列表

Line.match(/"id " : [0-9]+/)

查找后跟任意长度整数的Id

如果有字母和数字，则：

Line.match(/"id" :[[:alnum:]]+/)

---

ID是由所有数字组成的吗？您可以尝试使用一个正则表达式来查找冒号，然后再查找数字列表

Line.match(/"id " : [0-9]+/)

查找后跟任意长度整数的Id

如果有字母和数字，则：

Line.match(/"id" :[[:alnum:]]+/)

---

您可以使用拼接进行匹配：

line[/(?<= )\d+/] = 357103

---

line[/（？您可以使用拼接进行匹配：

line[/(?<= )\d+/] = 357103

line[/（？这里的拆分速度比Regex快。对于如此大的文件，它可能会产生明显的不同

另外，看起来您需要对这些双引号进行转义：
line.split（“\”id\：”）

更新

更快速的是，始终使用拆分：

> puts Benchmark.measure{line.split("\"id\" : ").last.split(' ').first }
  0.000000   0.000000   0.000000 (  0.000008)

编辑

尽管Stefan在评论中提到，看起来您的文件是BSON（MongoDB）而不是JSON。这里有一个Mongo。
这里的拆分速度比正则表达式快。有了这么大的文件，可能会有明显的不同

另外，看起来您需要对这些双引号进行转义：
line.split（“\”id\：”）

更新

更快速的是，始终使用拆分：

> puts Benchmark.measure{line.split("\"id\" : ").last.split(' ').first }
  0.000000   0.000000   0.000000 (  0.000008)

编辑

尽管Stefan在评论中提到，看起来您的文件是BSON（MongoDB）而不是JSON。有一个Mongo。
是格式（应该是）JSON？如果是，那就提出来。不要只是在代码中突然使用JSON方法，并期望读者猜出原因。如果不是JSON，那就不要使用JSON方法。它通常是JSON格式，但我昨晚做了错误的提取，我对ruby一无所知。要么请你们帮忙，要么再等20小时才能正确提取表单atted文件。看起来像MongoDB数据。尝试将其导出为JSON。格式是（应该是）JSON？如果是，那就提出来。不要只是在代码中突然使用JSON方法，并期望读者猜出原因。如果不是JSON，那就不要使用JSON方法。它通常是JSON格式，但我昨晚做了错误的提取，我对ruby一无所知。要么请你们帮忙，要么再等20小时才能正确提取表单atted文件。看起来像MongoDB数据。尝试将其导出为JSON。