JSONstr.json的runners欄位是子文件，子文件有3個欄位：horseId、ownerColours、trainer，其中trainer含有下級欄位trainerId。需要根據文件序號查詢對應子文件的horseId、ownerColours、trainerId欄位。部分源資料如下：

[

{

"race": {

"raceId":"1.33.1141109.2",

"meetingId":"1.33.1141109"

},

...

"numberOfRunners": 2,

"runners": [

{

"horseId":"1.00387464",

"trainer": {

"trainerId":"1.00034060"

},

"ownerColours":"Maroon,pink sleeves,dark blue cap."

},

{

"horseId":"1.00373620",

"trainer": {

"trainerId":"1.00010997"

},

"ownerColours":"Black,emerald green cross of lorraine,striped sleeves."

}

]

},

...

]

期望Json結構化後的效果：

java 如何簡單快速處理 json 中的資料

Java只提供瞭解析Json的基礎類庫，但API介面多而繁瑣，如果想進行深入的計算，仍然需要複雜硬編碼。大概要寫成這樣：

...

JSONObject jsonObject = JSONObject.fromObject(s);

JSONArray result = jsonObject.getJSONArray("runners");

for (int i = 0; i < result.size(); i++) {

JSONArray index = result.getJSONObject(i).getJSONArray("index");

...

}

...

Json解析，用集算器SPL會簡單很多，它把Json類庫做了二次封裝，且有豐富強大的集合運算能力，所以很容易應對。比如上面問題，取出第 1 個 runners 欄位 (子文件)，僅需3行：

	A
1	=json(file("/workspace/JSONstr.json").read())
2	=A1(1).runners
3	=A2.new(horseId,trainer.trainerId:trainerId,ownerColours)

Json 解析出來一般都是為了計算，所以 SPL 還能更方便地計算，比如：按 horseId 分組統計每組中 ownerColours 出現的次數；只需在此基礎上增加 1 行：=A3.groups(horseId;~.array().count():times)。其實還有很多情況用Java解析Json不太方便，甚至計算入庫等需求，但用集算器SPL卻很簡單，感興趣可以參考：。

集算器還很容易嵌入到Java應用程式中，有使用和獲得它的方法。

關於集算器安裝使用、獲得免費授權和相關技術資料，可以參見。

java 如何簡單快速處理 json 中的資料

相關文章