如何从嵌套 JSON 响应中构建结构化数组并按尺寸顺序排序

本文详解如何将原始 json 中的水果、总量及多维尺寸关联数据,重组为按水果分组、含总量与有序尺寸子数组的新结构,并确保 `size` 字段严格按数值逻辑升序排列(如 "100-500" → "5000-10,000" → "10,001+")。

在实际数据可视化或表格渲染场景中,原始 API 返回的扁平化嵌套结构(如 SizeAndFruit)往往难以直接用于 UI 展示。本教程以 PHP 为例,提供一套清晰、可复用的转换逻辑,将杂乱关联数据重构为面向视图的层级数组。

✅ 核心步骤概览

  1. 初始化基础结构:遍历 fruits 数组,为每种水果创建含 name 和 totalResults 的骨架;
  2. 填充尺寸明细:遍历 SizeAndFruit,按 name 匹配并追加 {size, pieces} 到对应水果的 sortedResults;
  3. 关键排序处理:定义 sizeStringToNumber() 映射函数,将语义化尺寸字符串(如 "10,001+ eaters")映射为可比较的整数基准值;
  4. 稳定排序:对每个水果的 sortedResults 使用 usort() 按映射后的数值升序排列,避免字典序错乱(如 "10,001+"

? 完整可运行代码(PHP)

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

// 步骤2:注入 SizeAndFruit 数据
foreach ($inputJson->SizeAndFruit as $entry) {
    $newEntry = ['size' => $entry->size, 'pieces' => $entry->pieces];
    foreach ($out as &$fruit) {
        if ($fruit['name'] === $entry->name) {
            $fruit['sortedResults'][] = $newEntry;
        }
    }
}

// 步骤3+4:定义尺寸映射与排序逻辑
function sizeStringToNumber(string $size): int {
    $map = [
        '100-500 eaters'     => 100,
        '5000-10,000 eaters' => 5000,
        '10,001+ eaters'     => 10001, // 注意:此处用 10001 更符合“10,001+”语义,避免与 10000 混淆
    ];
    return $map[$size] ?? throw new InvalidArgumentException("Unknown size format: {$size}");
}

// 对每个水果的 sortedResults 进行数值排序
foreach ($out as &$fruit) {
    usort($fruit['sortedResults'], function ($a, $b) {
        return sizeStringToNumber($a['size']) <=> sizeStringToNumber($b['size']);
    });
}

// 封装最终输出
$result = ['newArray' => $out];
echo json_encode($result, JSON_UNESCAPED_UNICODE | JSON_PRETTY_PRINT);

⚠️ 注意事项与最佳实践

  • 健壮性增强:生产代码中应添加 json_last_error() 检查、空值判断(如 $inputJson->fruits 是否为数组)、以及 SizeAndFruit 条目缺失时的兜底逻辑;
  • 尺寸映射可扩展:若未来新增尺寸类型(如 "10-100 eaters"),只需更新 $map 数组,无需修改排序逻辑;
  • 性能优化提示:当 SizeAndFruit 数据量极大时,可预先构建 name → [entries] 的哈希表,将时间复杂度从 O(n×m) 降至 O(n+m);
  • 前端兼容性:生成的 JSON 可直接被 JavaScript fetch() 解析,配合 map() 渲染表格行,每行对应一个 newArray[i]。

通过此方案,你不仅能精准生成目标结构,更获得了一套可维护、易扩展的数据规整范式——让复杂关联数据真正服务于清晰的业务呈现。