WedX - журнал о программировании и компьютерных науках

Scala: Play — считать дочерние узлы в Json

у меня json как

val json = 
{
   "header" : "header value"
   "value" : [
        {
         "a" : "a_val"
         "b" : "b_val"
         "c" : "c_val"
        },
        {
         "a" : "a_val"
         "b" : "b_val"
         "c" : "c_val"
        }
    ]
}

Я хочу рассчитать

  1. количество записей, т.е. 2, которые я считаю

    (json \\ "value")(0).asOpt[JsArray].map(_.value.size).getOrElse(0)

    Утомительно, но работает. Нужно более простое решение

  2. количество дочерних узлов в value, т.е. 3 (a, b and c)

Без понятия как это считать

РЕДАКТИРОВАТЬ: Использование решения Daniels: я упростил подсчет записей как

(oDataJson \ "value").as[JsArray].value.size


  • Какую библиотеку json вы используете? 15.12.2015
  • Что делать, если дочерние узлы имеют разные размеры? например у одного из них нет c ? 15.12.2015
  • @Reactormonk.. Я использую Play Framework 15.12.2015
  • @m-z .. это не в моем случае json .. у меня есть стандартная структура json, которая фактически берет записи из базы данных. Таким образом, он имеет одинаковую структуру для всех записей. 15.12.2015
  • Какой смысл считать количество полей, если вы уже знаете, что такое структура и сколько их? 15.12.2015
  • Он основан на запросе. Если я верну все поля, я не знаю, сколько там полей. Но они одинаковы во всех записях. 15.12.2015

Ответы:


1
  • Спасибо, Даниэль. Это дает ожидаемые результаты. 15.12.2015
  • Новые материалы

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


    Для любых предложений по сайту: [email protected]