jq 命令行 JSON 处理器教程
2024-10-10 14:12:36作者:卓炯娓
1. 项目介绍
jq 是一个轻量级且灵活的命令行 JSON 处理器,类似于 sed、awk、grep 等工具,但专门用于处理 JSON 数据。它由便携式 C 语言编写,具有零运行时依赖性,使得用户可以轻松地对结构化数据进行切片、过滤、映射和转换。
jq 的主要特点包括:
- 轻量级:占用资源少,适合在各种环境中使用。
- 灵活性:支持多种 JSON 处理操作,如过滤、映射、转换等。
- 便携性:无需额外依赖,易于部署和使用。
2. 项目快速启动
2.1 安装 jq
2.1.1 使用预构建二进制文件
你可以从 GitHub 发布页面 下载最新版本的 jq 预构建二进制文件。
2.1.2 使用 Docker
通过 Docker 快速启动 jq:
docker run --rm -i ghcr.io/jqlang/jq:latest < package.json ' .version '
2.2 基本使用
以下是一个简单的示例,展示如何使用 jq 从 package.json 文件中提取版本信息:
cat package.json | jq ' .version '
3. 应用案例和最佳实践
3.1 过滤 JSON 数据
假设你有一个包含多个对象的 JSON 文件,你可以使用 jq 过滤出特定条件的数据:
[
{
"name": "Alice",
"age": 30
},
{
"name": "Bob",
"age": 25
}
]
使用 jq 过滤出年龄大于 25 的对象:
cat data.json | jq ' .[] | select(.age > 25) '
3.2 转换 JSON 数据
你可以使用 jq 将 JSON 数据转换为其他格式,例如 CSV:
cat data.json | jq -r ' .[] | [.name, .age] | @csv '
4. 典型生态项目
4.1 jq 与其他命令行工具的结合
jq 可以与其他命令行工具(如 curl、grep 等)结合使用,以实现更复杂的操作。例如,你可以使用 curl 获取远程 JSON 数据,并使用 jq 进行处理:
curl -s https://api.example.com/data | jq ' .data '
4.2 jq 在自动化脚本中的应用
jq 在自动化脚本中非常有用,特别是在处理 API 响应时。你可以编写脚本来解析 JSON 响应并执行相应的操作。
#!/bin/bash
response=$(curl -s https://api.example.com/data)
version=$(echo $response | jq ' .version ')
echo "API Version: $version"
通过以上教程,你应该能够快速上手并使用 jq 进行 JSON 数据的处理。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue07- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
574
3.88 K
Ascend Extension for PyTorch
Python
396
474
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
359
219
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
902
703
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.39 K
786
昇腾LLM分布式训练框架
Python
122
148
React Native鸿蒙化仓库
JavaScript
312
364
暂无简介
Dart
813
199
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
124
161
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
92
162