JSON Lines文件不能用json_decode(file_get_contents($file))，因为其每行是独立JSON值而非单个JSON对象，整文件解析会语法错误；须逐行读取并解码。
JSON Lines文件读取时为什么不能用 json_decode(file_get_contents($file))
因为 JSON Lines（.jsonl）不是单个 JSON 对象，而是每行一个独立的 JSON 值（对象、数组、字符串等），整文件直接 json_decode() 会失败，报错类似 JSON_ERROR_SYNTAX 或只解析第一行就终止。
正确做法是逐行读取 + 逐行解码：
- 用
file($file, FILE_IGNORE_NEW_LINES | FILE_SKIP_EMPTY_LINES)一次性读入所有非空行（适合小到中等文件） - 或用
fopen()+fgets()流式读取（推荐，内存友好，适合大文件） - 对每一行调用
json_decode($line, true)；注意检查返回值是否为null，并用json_last_error()判断是否解析失败
示例片段：
if ($fp = fopen('data.jsonl', 'r')) {
while (($line = fgets($fp)) !== false) {
$line = trim($line);
if ($line === '') continue;
$data = json_decode($line, true);
if ($data === null && json_last_error() !== JSON_ERROR_NONE) {
error_log("JSON parse error on line: " . $line);
continue;
}
// 处理 $data...
}
fclose($fp);
}
写入 JSON Lines 文件时 json_encode() 的关键参数
每行必须是严格合法的 JSON 文本，且行尾不能有多余空格或换行符。常见错误是忘记 PHP_EOL 或误加逗号、括号。
立即学习“PHP免费学习笔记（深入）”；
要点：
- 每次写入前确保数据可被
json_encode()序列化（无资源、无循环引用） - 推荐加上
JSON_UNESCAPED_UNICODE | JSON_UNESCAPED_SLASHES避免中文转义、URL 中斜杠被转义 - 必须手动追加
PHP_EOL（Windows 下是"\r\n"，但用PHP_EOL更安全） - 不要用
file_put_contents($file, $json . PHP_EOL, FILE_APPEND)循环写——频繁磁盘 I/O 慢；改用fopen(..., 'a')+fwrite()
示例：
$fp = fopen('output.jsonl', 'a');
foreach ($rows as $row) {
$json = json_encode($row, JSON_UNESCAPED_UNICODE | JSON_UNESCAPED_SLASHES);
if ($json === false) {
error_log("JSON encode failed: " . json_last_error_msg());
continue;
}
fwrite($fp, $json . PHP_EOL);
}
fclose($fp);
遇到中文乱码或特殊字符解析失败怎么办
JSON Lines 规范要求 UTF-8 编码，但 PHP 默认不校验输入编码。如果文件含 BOM 或混入 GBK 字节，json_decode() 会静默失败（返回 null）。
排查和修复步骤：
- 用
mb_detect_encoding($line, ['UTF-8', 'GBK'], true)检查单行编码；若非 UTF-8，先mb_convert_encoding($line, 'UTF-8', 'GBK') - 用
hexdump -C file.jsonl | head查看前几字节，确认无 EF BB BF（UTF-8 BOM）；如有，需ltrim($line, "\xEF\xBB\xBF") -
json_last_error_msg()返回"Malformed UTF-8 characters"就基本锁定编码问题
大文件处理时性能瓶颈在哪、怎么绕过
真正卡住的往往不是 JSON 解析本身，而是 I/O 和内存：一次 file() 读几百 MB 文件会爆内存；反复 fgets() 在机械硬盘上慢；json_decode() 对超长嵌套结构（如深度 > 512）也会变慢。
实用优化点：
- 用
stream_set_read_buffer($fp, 0)关闭读缓冲（某些场景反而更快） - 避免在循环里做日志输出或数据库插入；攒批处理（例如每 100 行 commit 一次）
- 对已知结构的数据，考虑用
json_decode($line, false, 512, JSON_BIGINT_AS_STRING)控制深度和大整数处理 - 极端情况（GB 级）可结合
pcntl_fork()分块读取，但要注意进程间文件指针不共享，得按字节偏移切分
最常被忽略的是：没关掉 Xdebug。开发环境开着 Xdebug 解析 10 万行 JSONL，速度可能差 5–10 倍。
