将结构不一致的文本文件转换为项数不一致的JSON对象

Question

我有一个包含数百行数据的文件结构：

RHSA-2019:1797 CVE-2017-17485,CVE-2018-12022,CVE-2018-12023,CVE-2018-14718,CVE-2018-14719,CVE-2018-19360,CVE-2018-19361,CVE-2018-19362 cpe:/a:redhat:jboss_bpms:6.4

数据中唯一的一致性是我想要分隔的3个字段之间的空格和中间数据的逗号。标记为RHSA的第一个数据类型的项数始终为1，标记为CVE的数据和标记为CPE的数据的项数从1到20不等。

我曾尝试使用split()来拆分字符串，但我确信这可以用python一步完成，因为数据集在项目数量上是不一致的，但在结构上却不一致。

我使用以下命令按空间划分数据

data = rh.split()
for temp in data:
    print(temp)

所以现在我有

RHSA-2019:1797 

CVE-2017-17485,CVE-2018-12022,CVE-2018-12023,CVE-2018-14718,CVE-201814719,CVE-2018-19360,CVE-2018-19361,CVE-2018-19362 


cpe:/a:redhat:jboss_bpms:6.4

其中每个数据集都在单独的行上，所以理想情况下，我希望每3行循环一次，并将数据放入如下所示的json中：

[{"RHSA":{ "RHSA-2019:1797},
 {"CVE" :{ "CVE-2017-17485",
           "CVE-2018-12022",
           "CVE-2018-12023",
           "CVE-2018-14718",
           "CVE-2018-14719",
           "CVE-2018-19360",
           "CVE-2018-19361",
           "CVE-2018-19362" },
 {"CPE" :{ "cpe:/a:redhat:jboss_bpms:6.4"}]

Answer 1

您在示例中提供的JSON不是有效的JSON，但此脚本会产生类似的结果：

line = 'RHSA-2019:1797 CVE-2017-17485,CVE-2018-12022,CVE-2018-12023,CVE-2018-14718,CVE-2018-14719,CVE-2018-19360,CVE-2018-19361,CVE-2018-19362 cpe:/a:redhat:jboss_bpms:6.4'

import re
from collections import defaultdict
import json

d = defaultdict(list)

for i in line.split():
    d[re.findall(r'^(\w+)', i)[0].upper()].extend(i.split(','))

print(json.dumps(d, indent=4))

打印：

{
    "RHSA": [
        "RHSA-2019:1797"
    ],
    "CVE": [
        "CVE-2017-17485",
        "CVE-2018-12022",
        "CVE-2018-12023",
        "CVE-2018-14718",
        "CVE-2018-14719",
        "CVE-2018-19360",
        "CVE-2018-19361",
        "CVE-2018-19362"
    ],
    "CPE": [
        "cpe:/a:redhat:jboss_bpms:6.4"
    ]
}