核心用法
json-toolkit 是一个基于 Python 标准库构建的命令行 JSON 处理工具，无需任何外部依赖即可运行。用户可通过 python main.py <file> 快速美化输出 JSON，或结合 --minify、 --validate、 --query 等参数完成压缩、结构验证与数据提取。工具支持标准输入输出（stdin/stdout），可无缝接入 Unix 管道链（如 curl | python main.py - --query ...），便于与 CI/CD、日志处理等自动化流程集成。
显著优点
1. 零依赖设计：仅依赖 Python 内置 json 模块，消除供应链攻击风险，部署极轻量。
2. 功能覆盖全面：集格式化、压缩、验证、查询、键排序于一体，替代 jq、python -m json.tool 等多工具组合。
3. 点符号查询语法：直观支持嵌套对象与数组索引（如 data.users.0.email），降低学习成本。
4. 输出确定性：--sort-keys 确保对象键按字母序排列，利于版本控制中的 diff 对比。
潜在缺点与局限性
- 功能边界：不支持 jq 的高级过滤表达式（如
select(.age > 18)）、正则匹配或数据转换（map/reduce）。 - 大文件性能：Python 原生 JSON 解析器在超大规模文件（GB 级）下内存占用较高，未实现流式处理。
- 查询错误处理：路径不存在时未明确文档化行为（返回 null/报错/空输出），可能引发脚本逻辑歧义。
适合人群
- 后端开发者与 DevOps 工程师：快速调试 API 响应、校验配置文件。
- 数据分析师：轻量级 ETL 流程中的 JSON 清洗与提取。
- 受限环境用户：无法安装外部依赖的离线或容器化场景。
常规风险
- 输入注入：解析恶意构造的深层嵌套 JSON（如 Billion Laughs 攻击变体）可能导致内存耗尽，建议对不可信来源数据设置解析深度限制或前置校验。
- 管道误用：在自动化脚本中直接 eval 查询结果可能引入命令注入，应始终将输出作为数据而非代码执行。