1

我有一个 json 文件，我必须在其上执行以下操作：

  1. 通过 Syntaxnet 仅运行 json 上的“文本”字段。
  2. 从 Syntaxnet 输出中，创建一个新的 json 字段，如下所示：text_syntaxnet = [{'word' = <WORD1>, 'position = <word_position>, 'pos_tag' = <POS_TAG>}, {...........}]
  3. 将这个新的 json 字段添加到作为输入的原始 json 中。

我正在使用 Pig Streaming 进行此操作。我想将输入数据流式传输到parse.py其内容为的函数：

import sys
import re
import subprocess
import json


def create_new_json_field(tags_list):
    word_tags = {}
    new_json_field = []
    for line in tags_list:
        line = line.strip()
        if not line:
            continue
        else:
            words = line.split()
            word_tags['word'] = words[1]
            word_tags['position'] = words[0]
            word_tags['pos_tag'] = words[4]
            new_json_field.append(word_tags.copy())
    return new_json_field


def main(argv):
    try:
        for line in sys.stdin:
            json_original = json.loads(line)
            print json_original
            tags = subprocess.check_output('./parse.sh %s' % line, shell=True)
            tags_list = tags.split('\n')
            new_json_field = create_new_json_field(tags_list)
            result = json_original['text_syntaxnet'] = new_json_field
            print new_json_field
            print result
    except Exception as e:
        sys.stdout.write(str(e))

main(sys.argv)

的内容parse.sh是：

#!/bin/sh
cd ........../models/syntaxnet
jq --raw-output '.["text"]' | syntaxnet/demo.sh

我调用 parse.sh 的这段代码不起作用。休息所有的工作。我不确定这是命令的语法还是某些环境问题。请有人帮我调试这个问题。

注意：当我不在for line in sys.stdin. parse.py但我想这样做，因为我想逐行解析，然后创建 json 对象。

谢谢！

4

0 回答 0