在web开发中，我们经常需要对从数据库、api接口或其他来源获取的json数据进行处理和分类。当一个json数组中包含多种类型或需要根据某个特定属性进行分组的对象时，高效地将其拆分为多个子数组变得尤为重要。本教程将以一个轮胎产品列表为例，演示如何根据轮胎宽度（width）将产品数据拆分为“前轮”和“后轮”两个独立的数组。
1. 数据准备与JSON解析
首先，我们需要获取原始的JSON字符串数据。在PHP中，JSON字符串需要通过json_decode()函数解析为PHP可操作的数据结构，通常是关联数组或对象。为了方便后续的字段访问，我们建议将其解析为关联数组。
<?php
$jsonString = '[
{
"id": 4667,
"brand": "Michelin",
"model": "Pilot Super Sport",
"width": "255",
"height": "35",
"rim": "19"
},
{
"id": 4668,
"brand": "Michelin",
"model": "Pilot Super Sport",
"width": "275",
"height": "35",
"rim": "19"
},
{
"id": 4669,
"brand": "Pirelli",
"model": "Zero",
"width": "255",
"height": "35",
"rim": "19"
},
{
"id": 4670,
"brand": "Pirelli",
"model": "Zero",
"width": "275",
"height": "35",
"rim": "19"
}
]';
// 将JSON字符串解析为PHP关联数组
$dataArray = json_decode($jsonString, true);
// 检查JSON解析是否成功
if (json_last_error() !== JSON_ERROR_NONE) {
die("JSON解析错误: " . json_last_error_msg());
}
?>json_decode($jsonString, true)中的第二个参数true表示将JSON对象解析为关联数组，而不是PHP对象。这使得我们可以通过键名（如$val['width']）直接访问字段值。
2. 初始化目标数组
在开始遍历之前，我们需要初始化用于存放分类结果的空数组。在本例中，我们将创建$front和$rear两个数组。
<?php // ... (接上一段代码) $front = []; // 用于存放宽度为255的产品 $rear = []; // 用于存放宽度为275的产品 ?>
3. 遍历与条件判断
核心步骤是遍历解析后的$dataArray，对每个元素（即每个产品对象）进行条件判断。我们将检查width字段的值，并根据其值将当前产品数据添加到相应的目标数组中。
立即学习“PHP免费学习笔记（深入）”；
<?php
// ... (接上一段代码)
foreach ($dataArray as $item) {
// 注意：JSON中的"width"是字符串，但在PHP中与整数比较时会进行类型转换
// 如果需要严格比较，可以考虑 $item['width'] === '255'
if ($item['width'] == '255') {
$front[] = $item;
} else {
// 假设除了255，其他宽度都归类到rear，或者可以添加更多if/else if条件
$rear[] = $item;
}
}
?>在这个例子中，我们使用了==进行比较。由于JSON中的"width"值是字符串类型（例如"255"），而我们可能将其与整数255进行比较，PHP的弱类型特性会自动进行类型转换。如果需要更严格的类型匹配，可以使用===运算符，但这可能要求您确保比较的值类型一致（例如，将$item['width']转换为整数或将比较值写为字符串'255'）。
4. 结果编码与输出
完成分类后，如果需要将分类后的数据再次作为JSON字符串输出或存储，可以使用json_encode()函数。
<?php // ... (接上一段代码) // 将PHP数组重新编码为JSON字符串 $frontJson = json_encode($front, JSON_PRETTY_PRINT | JSON_UNESCAPED_UNICODE); $rearJson = json_encode($rear, JSON_PRETTY_PRINT | JSON_UNESCAPED_UNICODE); // 输出结果（可选） echo "<h2>前轮产品 (宽度 255):</h2>"; echo "<pre>" . $frontJson . "</pre>"; echo "<h2>后轮产品 (宽度 275):</h2>"; echo "<pre>" . $rearJson . "</pre>"; ?>
JSON_PRETTY_PRINT常量使输出的JSON格式化，更易于阅读；JSON_UNESCAPED_UNICODE则确保中文字符不会被转义。
完整示例代码
将上述所有步骤整合，得到完整的PHP代码如下：
<?php
$jsonString = '[
{
"id": 4667,
"brand": "Michelin",
"model": "Pilot Super Sport",
"width": "255",
"height": "35",
"rim": "19"
},
{
"id": 4668,
"brand": "Michelin",
"model": "Pilot Super Sport",
"width": "275",
"height": "35",
"rim": "19"
},
{
"id": 4669,
"brand": "Pirelli",
"model": "Zero",
"width": "255",
"height": "35",
"rim": "19"
},
{
"id": 4670,
"brand": "Pirelli",
"model": "Zero",
"width": "275",
"height": "35",
"rim": "19"
}
]';
// 1. 将JSON字符串解析为PHP关联数组
$dataArray = json_decode($jsonString, true);
if (json_last_error() !== JSON_ERROR_NONE) {
die("JSON解析错误: " . json_last_error_msg());
}
// 2. 初始化目标数组
$front = []; // 用于存放宽度为255的产品
$rear = []; // 用于存放宽度为275的产品
// 3. 遍历与条件判断
foreach ($dataArray as $item) {
if ($item['width'] == '255') {
$front[] = $item;
} else {
$rear[] = $item;
}
}
// 4. 将PHP数组重新编码为JSON字符串（如果需要）
$frontJson = json_encode($front, JSON_PRETTY_PRINT | JSON_UNESCAPED_UNICODE);
$rearJson = json_encode($rear, JSON_PRETTY_PRINT | JSON_UNESCAPED_UNICODE);
// 输出结果
echo "<h2>前轮产品 (宽度 255):</h2>";
echo "<pre>" . $frontJson . "</pre>";
echo "<h2>后轮产品 (宽度 275):</h2>";
echo "<pre>" . $rearJson . "</pre>";
?>注意事项与扩展
-
通用性: 上述方法可以轻松扩展以处理更复杂的分类需求。例如，如果您需要根据多个条件或将数据分类到更多组，可以使用if-else if-else结构或switch语句。
// 示例：根据品牌分类 $michelinProducts = []; $pirelliProducts = []; foreach ($dataArray as $item) { if ($item['brand'] == 'Michelin') { $michelinProducts[] = $item; } elseif ($item['brand'] == 'Pirelli') { $pirelliProducts[] = $item; } } - 数据类型: 在进行条件判断时，务必注意字段的数据类型。JSON中的数字可能以字符串形式存在（如"255"），PHP在比较时会自动转换类型。如果需要严格类型匹配，请使用===并确保类型一致。
- 错误处理: 在生产环境中，始终建议对json_decode()和json_encode()的返回值进行检查，并使用json_last_error()和json_last_error_msg()来获取详细的错误信息，以提高程序的健壮性。
- 性能: 对于包含大量数据（数万或数十万条记录）的JSON数组，这种遍历方法通常是高效且可接受的。然而，如果数据量极其庞大，可能需要考虑更高级的数据流处理或数据库查询优化。
总结
通过本教程，您已经掌握了在PHP中根据特定字段值将一个JSON数组拆分为多个子数组的方法。核心流程包括JSON解析、初始化目标数组、遍历数据并进行条件判断，最后根据需要重新编码为JSON。这种技术在数据清洗、报告生成和API数据处理等场景中非常实用，能够帮助您更有效地组织和管理数据。
