使用Python处理JSON Lines格式的文件
常用来处理JSON Lines格式日志文件；也适用于.txt中存储的 JSON 数据。
著-------------Pan诶
1·准备
需要使用到的外部库：
Pandas、json。
导入库，代码如下：
import pandas as pd import jsonimport pandas as pd：导入pandas库并简写为pd，pandas是数据处理的核心库import json：导入Python内置的json库，用于解析JSON格式数据
2. 读取文件并解析JSON数据，处理过程
data = [] with open('your_log_file.jsonl', 'r', encoding='utf-8') as f: for line in f: if line.strip(): # 跳过空行 data.append(json.loads(line.strip())) df = pd.DataFrame(data) df.to_csv('处理后的数据.csv', index=False, encoding='utf-8-sig')超级无敌逐行拆分解释：
data = []
创建一个空列表，用于存储解析后的数据
with open('your_log_file.jsonl', 'r', encoding='utf-8') as f:with：上下文管理器，自动处理文件的打开和关闭open()：打开文件函数'your_log_file.jsonl'：需要处理的文件名'r'：“read”的缩写，只读模式encoding='utf-8'：指定文件编码，避免中文乱码as f：将文件对象赋值给变量f
for line in f:用for进行循环，逐行读取文件内容
if line.strip():line.strip()：去除行首尾的空白字符（空格、换行符等） —— strip()会移除这些空白字符，得到干净的JSON字符串运行规则：如果去除空白后不是空字符串，则执行下一行
data.append(json.loads(line.strip()))json.loads()：将JSON字符串解析为Python字典line.strip()：确保字符串前后没有空白字符data.append()：将解析后的字典添加到data列表中
剩余步骤，这里data数据已经处理的差不多了，你可以使用Pandas创建DataFrame ；也可以直接访问数据。我这里以创建DataFrame为例进行演示
3. 创建DataFrame
df = pd.DataFrame(data)pd.DataFrame()：pandas的核心函数，将数据转换为二维表格结构data：包含所有字典的列表，每个字典成为DataFrame的一行
4. 导出为CSV
df.to_csv('处理后的数据.csv', index=False, encoding='utf-8-sig')df.to_csv()：将DataFrame导出为CSV文件'原始数据.csv'：输出的文件名index=False：不保存行索引（0,1,2,3...）encoding='utf-8-sig'：使用带BOM的UTF-8编码，确保Excel打开时中文不乱码
