如何从嵌套 JSON 响应中构建结构化分组数组(含排序)

本文详解如何将原始 json 中分散的水果数据、总量及多维度尺寸关联项,重组为按水果聚合、尺寸有序排列的新数组结构,适用于表格渲染等场景。

在实际开发中,后端返回的 JSON 数据常以扁平化或分块形式组织(如 fruits、size、SizeAndFruit 三个独立数组),但前端展示(如数据表格、图表)往往需要按主体(例:水果)聚合,并保留关联维度(例:不同规模人群下的销量)且严格排序。本文提供一套完整、可复用的 PHP 解决方案,实现从原始响应到目标结构 {"newArray": [...]} 的精准转换。

核心思路

  1. 初始化基础骨架:遍历 fruits 数组,为每种水果创建初始对象,包含 name 和 totalResults(即总件数);
  2. 填充关联明细:遍历 SizeAndFruit,将每个条目(含 size、pieces、name)归入对应水果的 sortedResults 子数组;
  3. 按业务逻辑排序:因 size 字段为字符串(如 "100-500 eaters"),需映射为数值优先级,再使用 usort() 确保 "100-500 eaters" → "5000-10,000 eaters" → "10,001+ eaters" 的升序排列。

完整实现代码

fruits as $fruit) {
    $out[] = [
        'name' => $fruit->name,
        'totalResults' => $fruit->pieces,
        'sortedResults' => [],
    ];
}

// 步骤2:将 SizeAndFruit 条目归类到对应水果
foreach ($inputJson->SizeAndFruit as $entry) {
    $newEntry = [
        'size' => $entry->size,
        'pieces' => $entry->pieces,
    ];

    // 查找匹配的水果并追加
    foreach ($out as &$fruit) {
        if ($fruit['name'] === $entry->name) {
            $fruit['sortedResults'][] = $newEntry;
            break; // 找到即退出,提升效率
        }
    }
}

// 步骤3:定义 size 字符串到排序权重的映射
function sizeStringToNumber(string $size): int
{
    $mapping = [
        '100-500 eaters'     => 100,
        '5000-10,000 eaters' => 5000,
        '10,001+ eaters'     => 10001,
    ];

    return $mapping[$size] ?? 99999; // 未知值置后
}

// 对每个水果的 sortedResults 按 size 权重升序排序
foreach ($out as &$fruit) {
    usort($fruit['sortedResults'], function ($a, $b) {
        return sizeStringToNumber($a['size']) <=> sizeStringToNumber($b['size']);
    });
}

// 组装最终输出
$result = [
    'newArray' => $out,
];

// 输出格式化 JSON(便于调试与前端消费)
echo json_encode($result, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT);

关键注意事项

  • 性能优化:内层循环使用 break 避免冗余遍历;若数据量极大(>10k 条),建议预先构建水果名称索引(如 ['Bananas' => 0, 'Oranges' => 1])实现 O(1) 查找;
  • 健壮性:sizeStringToNumber() 函数包含兜底逻辑,防止未知 size 值导致排序异常;
  • 扩展性:排序规则完全由 $mapping 数组控制,新增尺寸类型只需扩展映射表,无需修改排序逻辑;
  • ⚠️ JSON 解析安全:生产环境务必检查 json_last_error(),避免无效 JSON 导致脚本中断;
  • ⚠️ 内存考虑:对于超大响应,可改用流式解析(如 json_decode 配合 JSON_BIGINT_AS_STRING)或分批处理。

该方案不仅满足当前需求,其模块化设计(初始化 → 归类 → 排序 → 输出)也易于适配其他类似聚合场景,例如按地区+产品、按季度+渠道等多维交叉分析结构的构建。