Java 怎样解析和计算 json?
可以用一些类库解析json，比如sf.json\Gson\JsonPath等，但大多数没有进一步计算的能力，个别类库只能做很简单的条件查询，常见的计算几乎都要硬编码。内嵌数据库有较强的计算能力，但必须先经历繁琐的入库过程，适合时效性不敏感的情况，另外SQL是基于二维结构化数据的，并不是为多层JSON设计的，计算能力会大打折扣。
使用开源的集算器SPL能够更方便地解析json。SPL专为多层结构而设计，可以大幅简化json的计算，SPL函数丰富语法灵活，具有强大的计算能力。
SPL提供了方便调用的JDBC接口，初学者也可以轻松入门。比如，某json文件有两层，上层是员工记录，每条员工记录的Orders字段是订单记录的集合，将该文件解析为序表（SPL的多层数据对象）：
…
Class.forName("com.esproc.jdbc.InternalDriver");
Connection connection =DriverManager.getConnection("jdbc:esproc:local://");
Statement statement = connection.createStatement();
String str="=json(file("d:/data.json").read())";
ResultSet result = statement.executeQuery(str);
…
可以看到，SPL无需入库，可以直接解析JSON文件。SPL还可以直接读取并解析restful，代码同样简单：
=json(httpfile("http://127.0.0.1:6868/api/getData").read())
SPL也可以直接读取并解析来自特殊数据源的json，比如MongoDB、elsticSearch。
SPL序表可以轻松计算多层JSON，代码简单易懂。比如，对所有员工的所有订单进行条件查询，找到金额属于某区间，且客户名称包含某字符串的订单。SPL代码如下：
=json(file("d:/data.json").read()).conj(Orders).select((Amount>1000 && Amount<=2000) && like@c(Client,"*business*"))
SPL支持算法外置，适合代码较长或频繁修改的计算，可显著降低耦合性。比如上面的条件查询可以先存为脚本文件：
| A | B | |
| 1 | =json(file("d:\\data.json").read()) | /多层json |
| 2 | =A1.conj(Orders) | /合并订单 |
| 3 | =A2.select((Amount>1000 && Amount<=2000) && like@c(Client,"*business*")) | /条件查询 |
再在JDBC中以存储过程的形式调用脚本文件：
…
Class.forName("com.esproc.jdbc.InternalDriver");
Connection connection =DriverManager.getConnection("jdbc:esproc:local://");
Statement statement = connection.createStatement();
ResultSet result = statement.executeQuery("call getQuery()");
...
SPL内置丰富的库函数，提供了等价于SQL的计算能力，下面试举几例：
| A | ||
| 2 | …. | |
| 3 | =A2.conj(Orders).groups(Client;sum(Amount)) | 分组汇总 |
| 4 | =A2.groups(State,Gender;avg(Salary),count(1)) | 多字段分组汇总 |
| 5 | =A2.sort(Salary) | 排序 |
| 6 | =A2.id(State) | 去重 |
| 7 | =A2.new(Name,Gender,Dept,Orders.OrderID,Orders.Client,Orders.Client,Orders.SellerId,Orders.Amount,Orders.OrderDate) | 关联 |
有些运算逻辑比较复杂，用SQL或存储过程也很难实现，而SPL具有丰富的函数和灵活的语法，可以大幅简化复杂运算逻辑。比如：json文件存储了客户名单及其销售额，要找出销售额累计占到一半的前n个大客户，并按销售额从大到小排序。
| A | B | |
| 1 | =json(file("d:\\sales.json").read()).sort(amount:-1) | 取数并逆序排序 |
| 2 | =A1.cumulate(amount) | 计算累计序列 |
| 3 | =A2.m(-1)/2 | 最后的累计值即是总和 |
| 4 | =A2.pselect(~>=A3) | 超过一半的位置 |
| 5 | =A1(to(A4)) | 按位置取值 |
SPL提供了专业的IDE，不仅有完整的调试，还能用表格的形式观察每一步的中间计算结果，特别适合设计复杂的运算逻辑：
SPL序表可以直接表达多层json，而无需像SQL那样用二维记录做中间过度，特别适合简化多层json的计算。比如：json文件有多层子文档和多层集合（数组），部分数据如下：
[
{
"race": {
"raceId":"1.33.1141109.2",
"meetingId":"1.33.1141109"
},
...
"numberOfRunners": 2,
"runners": [
{ "horseId":"1.00387464",
"trainer": {
"trainerId":"1.00034060"
},
"ownerColours":"Maroon,pink,dark blue."
},
{ "horseId":"1.00373620",
"trainer": {
"trainerId":"1.00010997"
},
"ownerColours":"Black,Maroon,green,pink."
}
]
},
...
]
按 trainerId分组，统计每组中ownerColours的成员个数，只需如下代码：
| A | |
| 1 | =json(file("/workspace/JSONstr.json").read()) |
| 2 | =A1(1).runners |
| 3 | =A2.groups(trainer.trainerId; ownerColours.array().count():times) |
SPL结构轻便、入门成本低、解析方便、数据源种类多、计算能力强。使用SPL后，可以方便地在Java中实现多层json的计算以及逻辑复杂的计算。
