JSONstr.json的runners字段是子文檔，子文檔有3個字段：horseId、ownerColours、trainer，其中trainer含有下級字段trainerId。需要根據文檔序號查詢對應子文檔的horseId、ownerColours、trainerId字段。部分源數據如下：
|
[ { "race": { "raceId":"1.33.1141109.2", "meetingId":"1.33.1141109" }, ... "numberOfRunners": 2, "runners": [ { "horseId":"1.00387464", "trainer": { "trainerId":"1.00034060" }, "ownerColours":"Maroon,pink sleeves,dark blue cap." }, { "horseId":"1.00373620", "trainer": { "trainerId":"1.00010997" }, "ownerColours":"Black,emerald green cross of lorraine,striped sleeves." } ] }, ... ] |
期望Json結構化後的效果：
Java只提供瞭解析Json的基礎類庫，但API接口多而繁瑣，如果想進行深入的計算，仍然需要複雜硬編碼。大概要寫成這樣：
|
... JSONObject jsonObject = JSONObject.fromObject(s); JSONArray result = jsonObject.getJSONArray("runners"); for (int i = 0; i < result.size(); i++) { JSONArray index = result.getJSONObject(i).getJSONArray("index"); ... } ... |
Json解析，用集算器SPL會簡單很多，它把Json類庫做了二次封裝，且有豐富強大的集合運算能力，所以很容易應對。比如上面問題，取出第 1 個 runners 字段 (子文檔)，僅需3行：
|
|
A |
|
1 |
=json(file("/workspace/JSONstr.json").read()) |
|
2 |
=A1(1).runners |
|
3 |
=A2.new(horseId,trainer.trainerId:trainerId,ownerColours) |
Json 解析出來一般都是爲了計算，所以 SPL 還能更方便地計算，比如：按 horseId 分組統計每組中 ownerColours 出現的次數；只需在此基礎上增加 1 行：=A3.groups(horseId;~.array().count():times)。其實還有很多情況用Java解析Json不太方便，甚至計算入庫等需求，但用集算器SPL卻很簡單，感興趣可以參考：輕鬆應對多層JSON數據計算與入庫。
集算器還很容易嵌入到Java應用程序中，Java如何調用SPL腳本有使用和獲得它的方法。
關於集算器安裝使用、獲得免費授權和相關技術資料，可以參見如何使用集算器。