持っているのは、TenGenモードのMongo拡張JSONでのダンプです(ここを参照)。いくつかの可能な方法:
-
再度ダンプできる場合は、MongoDBRESTAPIを介して厳密な出力モードを使用してください。これにより、現在のJSONではなく実際のJSONが得られるはずです。
-
bson
を使用する http://pypi.python.org/pypi/bson/から、既に持っているBSONをPythonデータ構造に読み込み、それらに対して必要な処理を実行します(JSONを出力する可能性があります)。 -
MongoDB Pythonバインディングを使用してデータベースに接続し、データをPythonに取り込み、必要な処理を実行します。 (必要に応じて、ローカルのMongoDBインスタンスをセットアップし、ダンプされたファイルをそのインスタンスにインポートできます。)
-
Mongo拡張JSONをTenGenモードからStrictモードに変換します。それを行うために別のフィルターを開発するか(stdinから読み取り、TenGen構造をStrict構造に置き換え、結果をstdoutに出力する)、または入力を処理するときにそれを行うことができます。
Pythonと正規表現を使用した例を次に示します。
import json, re
from bson import json_util
with open("data.tengenjson", "rb") as f:
# read the entire input; in a real application,
# you would want to read a chunk at a time
bsondata = f.read()
# convert the TenGen JSON to Strict JSON
# here, I just convert the ObjectId and Date structures,
# but it's easy to extend to cover all structures listed at
# http://www.mongodb.org/display/DOCS/Mongo+Extended+JSON
jsondata = re.sub(r'ObjectId\s*\(\s*\"(\S+)\"\s*\)',
r'{"$oid": "\1"}',
bsondata)
jsondata = re.sub(r'Date\s*\(\s*(\S+)\s*\)',
r'{"$date": \1}',
jsondata)
# now we can parse this as JSON, and use MongoDB's object_hook
# function to get rich Python data structures inside a dictionary
data = json.loads(jsondata, object_hook=json_util.object_hook)
# just print the output for demonstration, along with the type
print(data)
print(type(data))
# serialise to JSON and print
print(json_util.dumps(data))
目標に応じて、これらのいずれかが妥当な出発点になるはずです。