'commit'

dsLightRag/Tools/T4_Doc.py

@@ -1,17 +1,13 @@
-import json
+import ijson
-import os
-
 from Tools.KG_Config import TOPIC
 
 # 文件路径
 file_path = rf"d:\dsWork\dsProject\dsLightRag\Topic\{TOPIC}\kv_store_doc_status.json"
 
-# 读取并解析JSON文件
+# 使用ijson流式读取JSON文件
 with open(file_path, 'r', encoding='utf-8') as f:
-    doc_status_data = json.load(f)
+    # 流式迭代文档ID和状态信息
-
+    for doc_id, status_info in ijson.kvitems(f, ''):
-# 遍历文档状态信息
-for doc_id, status_info in doc_status_data.items():
         print(f"文档ID: {doc_id}")
         print(f"状态: {status_info['status']}")
         print(f"分块数量: {status_info['chunks_count']}")

dsLightRag/Tools/T5_Chunk.py

@@ -1,20 +1,22 @@
-import json
+import ijson
+import os
 
 from Tools.KG_Config import TOPIC
 
 # 文件路径
 file_path = rf"d:\dsWork\dsProject\dsLightRag\Topic\{TOPIC}\vdb_chunks.json"
 
-# 读取并解析JSON文件
+# 检查文件是否存在
-with open(file_path, 'r', encoding='utf-8') as f:
+if not os.path.exists(file_path):
-    data = json.load(f)
+    raise FileNotFoundError(f"文件不存在: {file_path}")
-
-# 提取所有块信息
-chunks = data.get('data', [])
 
-# 打印块数量和详细信息
+# 使用ijson流式读取JSON文件
-print(f"共找到 {len(chunks)} 个块：")
+with open(file_path, 'r', encoding='utf-8') as f:
-for i, chunk in enumerate(chunks, 1):
+    # 流式迭代所有块
+    chunks = ijson.items(f, 'data.item')
+    chunk_list = list(chunks)
+    print(f"共找到 {len(chunk_list)} 个块：")
+    for i, chunk in enumerate(chunk_list, 1):
         print(f"块 {i}:")
         print(f"ID: {chunk.get('__id__')}")
         print(f"创建时间: {chunk.get('__created_at__')}")

dsLightRag/Tools/T6_Doc_Chunks.py

@@ -1,16 +1,20 @@
-import json
+import ijson
+import os
 
 from Tools.KG_Config import TOPIC
 
 # 文件路径
 file_path = rf"d:\dsWork\dsProject\dsLightRag\Topic\{TOPIC}\kv_store_text_chunks.json"
 
-# 读取并解析JSON文件
+# 检查文件是否存在
-with open(file_path, 'r', encoding='utf-8') as f:
+if not os.path.exists(file_path):
-    text_chunks = json.load(f)
+    raise FileNotFoundError(f"文件不存在: {file_path}")
 
-# 遍历所有文本块
+# 使用ijson流式读取JSON文件
-for chunk_id, chunk_info in text_chunks.items():
+with open(file_path, 'r', encoding='utf-8') as f:
+    # 流式迭代所有文本块
+    print("正在读取文本块...")
+    for chunk_id, chunk_info in ijson.kvitems(f, ''):
         print(f"块ID: {chunk_id}")
         print(f"所属文档ID: {chunk_info['full_doc_id']}")
         print(f"块序号: {chunk_info['chunk_order_index']}")

dsLightRag/Tools/T7_Entity.py

@@ -1,18 +1,22 @@
-import json
+import ijson
+import os
 
 from Tools.KG_Config import TOPIC
 
 # 文件路径
 file_path = rf"d:\dsWork\dsProject\dsLightRag\Topic\{TOPIC}\vdb_entities.json"
 
-# 读取并解析JSON文件
+# 检查文件是否存在
-with open(file_path, 'r', encoding='utf-8') as f:
+if not os.path.exists(file_path):
-    data = json.load(f)
+    raise FileNotFoundError(f"文件不存在: {file_path}")
-
-# 提取所有实体名称
-entities = [item['entity_name'] for item in data['data']]
 
-# 打印实体列表
+# 使用ijson流式读取JSON文件
-print("文件中的实体列表：")
+with open(file_path, 'r', encoding='utf-8') as f:
-for entity in entities:
+    # 流式迭代所有实体名称
+    print("正在读取实体...")
+    entity_names = ijson.items(f, 'data.item.entity_name')
+    entity_list = list(entity_names)
+    print(f"共找到 {len(entity_list)} 个实体：")
+    print("文件中的实体列表：")
+    for entity in entity_list:
         print(f"- {entity}")

dsLightRag/Tools/T8_Relationships.py

@@ -1,4 +1,4 @@
-import json
+import ijson
 import os
 
 from Tools.KG_Config import TOPIC
@@ -9,15 +9,21 @@ def parse_relationships(file_path):
     if not os.path.exists(file_path):
         raise FileNotFoundError(f"文件不存在: {file_path}")
 
-    # 读取并解析JSON文件
+    # 读取embedding_dim
+    embedding_dim = "未知维度"
     with open(file_path, 'r', encoding='utf-8') as f:
-        data = json.load(f)
+        embedding_dim = next(ijson.items(f, 'embedding_dim'), "未知维度")
+
+    # 读取关系数据
+    relationships = []
+    with open(file_path, 'r', encoding='utf-8') as f:
+        relationships = list(ijson.items(f, 'data.item'))
 
     # 提取关键信息
     result = {
-        "embedding_dim": data.get("embedding_dim", "未知维度"),
+        "embedding_dim": embedding_dim,
-        "relationship_count": len(data.get("data", [])),
+        "relationship_count": len(relationships),
-        "sample_relationships": data.get("data", [])[:3]  # 显示前3条示例
+        "sample_relationships": relationships[:3]  # 显示前3条示例
     }
     return result