JD - 交互式JSON编辑器:探索JSON操作的新境界
项目介绍
JD(Interactive JSON Editor)是一款实验性的工具,专为查询和编辑JSON文档而设计。它不仅是一个简单的JSON编辑器,更是一个展示GJSON路径语法的游乐场。通过JD,用户可以轻松地添加、删除和编辑任何类型的JSON值,无论是简单的字符串还是复杂的嵌套结构,都能轻松应对。

项目技术分析
JD的核心技术基于GJSON,这是一个高性能的JSON解析库,能够快速地从JSON文档中提取数据。JD利用GJSON的路径语法,使得用户可以通过简单的命令行操作来查询和修改JSON数据。此外,JD还支持从标准输入、文件或通过cURL获取JSON数据,极大地扩展了其应用场景。
项目及技术应用场景
JD的应用场景非常广泛,尤其适合以下几种情况:
-
API调试:在开发过程中,开发者经常需要调试API返回的JSON数据。JD提供了一个直观的界面,帮助开发者快速查看和修改JSON数据,从而加速调试过程。
-
数据处理:对于需要频繁处理JSON数据的工作,JD提供了一个高效的工具,可以快速地对JSON数据进行增删改查操作。
-
自动化脚本:JD可以通过命令行集成到自动化脚本中,帮助开发者自动化处理JSON数据,提高工作效率。
项目特点
-
交互式编辑:JD提供了一个交互式的编辑界面,用户可以直观地查看和修改JSON数据,无需复杂的命令行操作。
-
支持多种输入方式:JD不仅支持从标准输入读取JSON数据,还可以通过cURL从网络获取数据,或者直接读取本地文件,极大地提高了其灵活性。
-
跨平台支持:JD提供了针对Mac、Linux、FreeBSD和Windows的预编译二进制文件,用户无需担心平台兼容性问题。
-
开源免费:JD的源代码完全开源,采用MIT许可证,用户可以自由地使用、修改和分发。
如何开始
安装
JD提供了多种安装方式,用户可以根据自己的需求选择:
-
Mac用户:可以通过Homebrew安装
brew tap tidwall/jd brew install jd -
其他平台:可以从Releases页面下载预编译的二进制文件。
-
源码编译:如果你熟悉Go语言,也可以通过以下命令从源码编译
go get -u github.com/tidwall/jd/cmd/jd
使用示例
# 从标准输入读取JSON数据
echo '{"id":9851,"name":{"first":"Tom","last":"Anderson"},"friends":["Sandy","Duke","Sam"]}' | jd
# 通过cURL获取JSON数据
curl -s https://api.github.com/repos/tidwall/tile38/issues/23 | jd
# 从文件读取JSON数据
jd user.json
联系我们
如果你有任何问题或建议,欢迎通过Twitter联系项目作者Josh Baker @tidwall。
许可证
JD的源代码采用MIT许可证,用户可以自由地使用、修改和分发。
JD不仅是一个强大的JSON编辑工具,更是一个探索JSON操作新境界的窗口。无论你是开发者、数据分析师还是系统管理员,JD都能为你提供极大的便利。赶快尝试一下,体验JSON编辑的全新方式吧!
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00