JSONL 不能用 json::parse() 一次性解析，因其每行是独立 JSON 值而非单个 JSON；必须逐行读取、去空行、跳 BOM 后解析，避免报错和内存溢出。
JSONL 解析为什么不能直接用 json::parse() 一次性读整个文件
因为 JSONL 不是单个 JSON 对象，而是每行一个独立的 JSON 值（{}、[]、"string"、123 等），json::parse()（如 nlohmann/json）遇到换行或连续对象会直接报 parse_error —— 典型错误是 parse error at line 2, column 1: syntax error while parsing value - invalid literal。你不是 JSON 写错了，是误把多行当整体了。
关键判断：只要文件后缀是 .jsonl 或 .ndjson，且每行开头是 {、[、"、数字或 true/false/null，就必须逐行解析。
用 std::getline() + json::parse() 流式读取最稳
这是处理 GB 级 JSONL 的通用做法：不加载全文，不构造大字符串，避免内存爆炸。核心逻辑就是“读一行 → 解析一行 → 处理一行 → 清理”。
实操要点：
立即学习“C++免费学习笔记（深入）”；
-
std::ifstream要用std::ios::binary模式打开（尤其 Windows 下防 - 每行用
std::getline()读入std::string，**必须检查是否为空行**（JSONL 规范允许空行，但json::parse("")会崩溃） - 解析前建议用
line.find_first_not_of(" ") != std::string::npos跳过空白行 - nlohmann/json 默认对 UTF-8 友好，但若源数据含 BOM（如
），需手动跳过前 3 字节，否则解析失败
示例片段：
std::ifstream file("data.jsonl", std::ios::binary);
std::string line;
while (std::getline(file, line)) {
auto pos = line.find_first_not_of("
");
if (pos == std::string::npos) continue; // 空行或纯空白
line = line.substr(pos); // 去首部空白
try {
nlohmann::json j = nlohmann::json::parse(line);
process(j); // 你的业务逻辑
} catch (const nlohmann::json::parse_error& e) {
std::cerr << "Parse error at byte " << e.byte << ": " << e.what() << "
";
continue; // 跳过坏行，别让整个流程中断
}
}
性能瓶颈常卡在 std::string 分配和 JSON 构建上
GB 级 JSONL（比如 10M 行）下，频繁构造 std::string 和 nlohmann::json 对象会产生大量小内存分配，glibc malloc 在高并发/高频调用下可能成为瓶颈。
可优化点：
- 用
std::string_view替代std::string接收getline()结果（C++17 起支持，需确保生命周期安全；更稳妥的是预分配大 buffer +file.read()手动切行） - nlohmann/json 提供
json::parse(iterator, iterator)重载，可传string_view::begin()/end()，避免拷贝 - 若只取几个字段（如
"id"、"timestamp"），用json::find()+at()，别用operator[]（后者会隐式创建键） - 批量处理时，考虑用
std::vector<:json></:json>缓存 100–1000 行再统一处理，减少 I/O 等待毛刺
遇到嵌套引号、转义反斜杠或非 UTF-8 编码怎么办
JSONL 本身不限制内容编码，但 nlohmann/json 强依赖 UTF-8。常见问题：
- 日志类 JSONL 常含 Windows-1252 编码的引号（如
“smart quotes”），导致parse_error—— 必须提前转码（用iconv或utf8cpp库） - 原始字符串里有未转义的
（如 Windows 路径"C: emp ile.json"），JSON 标准要求双写："C:\temp\file.json"；若源数据没转义，解析必败，得用正则预清洗（慎用，可能误杀合法 JSON 转义） - 某行末尾缺引号或括号（半截 JSON），
json::parse()报错位置不可靠 —— 建议加行号计数，出错时打印上下文 3 行辅助定位
真正难的不是语法解析，是数据脏。生产环境 JSONL 几乎总混着编码混乱、字段缺失、类型漂移（同一字段有时是 string 有时是 null），得在 process(j) 里做防御性访问，比如 j.value("score", 0.0) 而非 j["score"].get<double>()</double>。
