当前位置:首页 > 文章列表 > 文章 > java教程 > JavaJsonPath匹配花括号路径技巧

JavaJsonPath匹配花括号路径技巧

2026-03-12 11:54:46 0浏览 收藏
本文揭秘了在Java中精准定位JSON中所有值包含花括号({ 和 })字段路径的实用方案——针对模板化JSON(如含 {$.field} 占位符的配置)无法被原生JsonPath有效识别的痛点,创新性地采用轻量高效的Josson库,通过flatten深度展平、entries键值展开、正则.*\\{.*}.*内容过滤及路径拼接四步联动,一行链式表达式即可输出标准JSONPath格式的完整匹配路径列表,兼具高可读性、强扩展性与生产级稳定性,让JSON内容驱动的动态路径发现真正落地可行。

Java中使用JsonPath结合正则匹配提取含花括号的JSON路径

本文介绍如何在Java中精准提取JSON中所有值包含 { 和 } 的字段路径,使用Josson库实现高效、可读性强的路径遍历与正则筛选,弥补原生JsonPath对动态内容匹配能力的不足。

本文介绍如何在Java中精准提取JSON中所有**值包含 `{` 和 `}` 的字段路径**,使用Josson库实现高效、可读性强的路径遍历与正则筛选,弥补原生JsonPath对动态内容匹配能力的不足。

在处理模板化JSON(如含占位符 {$.field} 或 {$.description} 的配置文件)时,常需定位所有嵌入了JSON路径表达式的字段——这些字段值通常以 { 开头、} 结尾(或中间包含)。标准 JsonPath(如 Jayway JsonPath)虽支持路径查询和基础过滤,但不支持对节点值内容进行正则匹配并反向获取其路径;其 Option.AS_PATH_LIST 仅作用于显式路径表达式(如 $.foo.*),无法满足“扫描全树 + 值匹配 + 返回路径”的需求。

此时,推荐采用轻量、专为JSON转换设计的 Josson 库。它提供链式函数式语法,天然支持深度遍历、键值对展开、正则过滤及路径拼接,代码简洁且语义清晰。

✅ 解决方案:使用 Josson 提取含 {} 的字段路径

首先添加 Maven 依赖:


    com.octomix.josson
    josson
    1.8.2

然后执行以下核心逻辑:

import com.octomix.josson.Josson;
import com.fasterxml.jackson.databind.JsonNode;

String json = "{...}"; // 你的原始JSON字符串
Josson josson = Josson.fromJsonString(json);

JsonNode result = josson.getNode(
    "flatten('.','[%d]')"          // 将嵌套结构展平为扁平键路径(如 "contextData.docType")
        + ".entries()"             // 转为键值对数组:[{"key":"...", "value":"..."}, ...]
        + ".[value=~'.*\\{.*}.*']" // 正则过滤:value 包含至少一个 '{' 和 '}'(注意转义)
        + ".concat('$.', key)"     // 为每个匹配项拼接标准JsonPath前缀
);

// 输出所有匹配路径
result.forEach(node -> System.out.println(node.asText()));

? 正则说明:'.*\\{.*}.*' 中 \\{ 和 } 分别匹配字面量 { 和 };.* 允许前后任意字符,确保捕获如 "{ $.description }"、"{$.contractedServices[*].contractId}" 等常见格式。

✅ 示例输出(对应输入JSON)

运行后将得到完整路径列表(符合 JSONPath 标准语法):

$.description
$.filter
$.contextData.docType
$.contextData.docNumber
$.contextData.organizationName
$.contextData.contractedServices
$.children[0].description
$.children[1].description

该结果完全覆盖问题中期望的路径,并额外准确识别了 children 数组内各元素的 description 字段——这正是深度遍历(flatten)与全量匹配的价值所在。

⚠️ 注意事项与最佳实践

  • 不要尝试用 Jayway JsonPath 原生实现:其 read() 不支持 value =~ regex 类语法,强行使用 ..* 配合 Option.AS_PATH_LIST 仅返回路径,无法关联值内容。
  • Josson 的 flatten() 默认使用 . 作为层级分隔符,若原始JSON键名含 .(极少见),可通过 flatten('#','[%d]') 自定义分隔符。
  • 正则需严格转义:Java字符串中 { 和 } 是正则元字符,必须写为 \\{ 和 \\};若需更精确匹配(如排除 {{}} 等嵌套),可升级为 \\{\\$\\.[^}]+\\}。
  • 性能提示:对于超大JSON(>10MB),建议先验证是否真需全树扫描;若已知范围(如只查 contextData 下),可限定路径:"contextData.*.entries().[value=~'.*\\{.*}.*'].concat('$.contextData.', key)"。

通过 Josson,你获得的不仅是一段工作代码,而是一种面向JSON内容感知的查询范式——让路径发现真正由数据驱动,而非依赖预设结构。

以上就是《JavaJsonPath匹配花括号路径技巧》的详细内容,更多关于的资料请关注golang学习网公众号!

皮皮喵漫画正版官网入口推荐皮皮喵漫画正版官网入口推荐
上一篇
皮皮喵漫画正版官网入口推荐
Golang接口实现方法全解析
下一篇
Golang接口实现方法全解析
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    268次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    321次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    306次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    282次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    100次使用