К основному содержанию
скилл CX Codex

json-parser — скилл для Claude Code: разбор JSON

Скилл json-parser для Claude Code разбирает и проверяет JSON из строительных API, IoT-сенсоров и BIM-экспортов. Преобразует вложенные данные в таблицы.

MIT 115 установок ★ 434 обновлён 2026-10-19

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill json-parser -a claude-code
Открыть на GitHub

Что делает json-parser

Скилл читает JSON из файла или строки, сообщает об ошибках разбора и считает записи. Вложенные объекты он разворачивает в плоские поля, а данные преобразует в pandas.DataFrame. Для путей внутри структуры есть извлечение элементов через точечную запись, например по вложенному ключу.

В составе есть базовый парсер и специализированные классы для BIM и IoT. BIM-парсер ищет элементы в полях elements, objects или entities, разворачивает их и извлекает свойства из properties, params, parameters и attributes. IoT-парсер приводит показания к полям сенсора, времени, значения, единицы и расположения.

Для проверки структуры скилл сравнивает развёрнутые поля со списком обязательных и возвращает пропущенные и найденные поля. Для запуска нужен python3, а преобразование данных в таблицу использует библиотеку pandas.

Какие задачи решает

  • разобрать JSON-файл или строку
  • развернуть вложенные объекты в плоские поля
  • преобразовать записи в pandas.DataFrame
  • извлечь элементы по точечному пути
  • проверить обязательные поля схемы

Примеры запросов агенту

  • Используй скилл json-parser, чтобы разобрать bim_export.json и преобразовать данные в таблицу.
  • Проверь JSON из этого ответа по обязательным полям project.id и project.name.
  • Извлеки показания IoT-сенсоров из вложенного массива и подготовь таблицу.

Как установить json-parser

1Через Skills CLI (Vercel)

npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill json-parser -a claude-code

2Вручную: положить файлы

~/.claude/skills/json-parser/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/json-parser/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о json-parser

Как установить json-parser в Claude Code?

Выполни npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill json-parser -a claude-code. После установки скилл будет доступен в ~/.claude/skills/json-parser/SKILL.md.

Что делает json-parser?

Он разбирает JSON из файлов и строк, проверяет обязательные поля, разворачивает вложенные структуры и создаёт pandas.DataFrame. В скилле есть отдельная обработка BIM-элементов и показаний IoT-сенсоров.

Что нужно для преобразования JSON в таблицу?

Скилл использует Python-код и библиотеку pandas. В окружении также нужен бинарник python3.

Исходный текст

SKILL.md · MIT
---
name: "json-parser"
description: "Parse and validate JSON data from construction APIs, IoT sensors, and BIM exports. Transform nested JSON to flat DataFrames."
homepage: "https://datadrivenconstruction.io"
metadata: {"openclaw": {"emoji": "🏷️", "os": ["win32"], "homepage": "https://datadrivenconstruction.io", "requires": {"bins": ["python3"]}}}
---
# JSON Parser for Construction Data

## Overview
Construction systems increasingly use JSON for data exchange - from IoT sensors to BIM metadata exports. This skill handles parsing, validation, and flattening of JSON structures.

## Python Implementation

```python
import json
import pandas as pd
from typing import Dict, Any, List, Optional, Union
from dataclasses import dataclass
from pathlib import Path


@dataclass
class JSONParseResult:
    """Result of JSON parsing operation."""
    success: bool
    data: Any
    errors: List[str]
    record_count: int


class ConstructionJSONParser:
    """Parse JSON data from construction sources."""

    def __init__(self):
        self.errors: List[str] = []

    def parse_file(self, file_path: str) -> JSONParseResult:
        """Parse JSON from file."""
        try:
            with open(file_path, 'r', encoding='utf-8') as f:
                data = json.load(f)
            return JSONParseResult(True, data, [], self._count_records(data))
        except json.JSONDecodeError as e:
            return JSONParseResult(False, None, [f"JSON Error: {e}"], 0)
        except Exception as e:
            return JSONParseResult(False, None, [str(e)], 0)

    def parse_string(self, json_string: str) -> JSONParseResult:
        """Parse JSON from string."""
        try:
            data = json.loads(json_string)
            return JSONParseResult(True, data, [], self._count_records(data))
        except json.JSONDecodeError as e:
            return JSONParseResult(False, None, [f"JSON Error: {e}"], 0)

    def _count_records(self, data: Any) -> int:
        """Count records in data."""
        if isinstance(data, list):
            return len(data)
        elif isinstance(data, dict):
            return 1
        return 0

    def flatten_json(self, data: Dict, prefix: str = '') -> Dict[str, Any]:
        """Flatten nested JSON to single-level dict."""
        flat = {}
        for key, value in data.items():
            new_key = f"{prefix}_{key}" if prefix else key

            if isinstance(value, dict):
                flat.update(self.flatten_json(value, new_key))
            elif isinstance(value, list):
                if all(isinstance(i, (str, int, float, bool, type(None))) for i in value):
                    flat[new_key] = value
                else:
                    for i, item in enumerate(value):
                        if isinstance(item, dict):
                            flat.update(self.flatten_json(item, f"{new_key}_{i}"))
                        else:
                            flat[f"{new_key}_{i}"] = item
            else:
                flat[new_key] = value
        return flat

    def to_dataframe(self, data: Union[List[Dict], Dict]) -> pd.DataFrame:
        """Convert JSON data to DataFrame."""
        if isinstance(data, list):
            flat_records = [self.flatten_json(r) if isinstance(r, dict) else {'value': r} for r in data]
            return pd.DataFrame(flat_records)
        elif isinstance(data, dict):
            if all(isinstance(v, list) for v in data.values()):
                # Dict of lists - columnar format
                return pd.DataFrame(data)
            else:
                flat = self.flatten_json(data)
                return pd.DataFrame([flat])
        return pd.DataFrame()

    def extract_elements(self, data: Dict, path: str) -> List[Any]:
        """Extract elements using dot notation path."""
        parts = path.split('.')
        current = data

        for part in parts:
            if isinstance(current, dict) and part in current:
                current = current[part]
            elif isinstance(current, list) and part.isdigit():
                current = current[int(part)]
            else:
                return []

        return current if isinstance(current, list) else [current]

    def validate_schema(self, data: Dict,
                        required_fields: List[str]) -> Dict[str, Any]:
        """Validate JSON against required fields."""
        flat = self.flatten_json(data)
        missing = [f for f in required_fields if f not in flat]
        present = [f for f in required_fields if f in flat]

        return {
            'valid': len(missing) == 0,
            'missing_fields': missing,
            'present_fields': present,
            'completeness': len(present) / len(required_fields) * 100
        }


# BIM JSON Parser
class BIMJSONParser(ConstructionJSONParser):
    """Specialized parser for BIM JSON exports."""

    def parse_bim_elements(self, data: Dict) -> pd.DataFrame:
        """Parse BIM elements from JSON export."""
        elements = []

        # Common BIM JSON structures
        if 'elements' in data:
            elements = data['elements']
        elif 'objects' in data:
            elements = data['objects']
        elif 'entities' in data:
            elements = data['entities']
        elif isinstance(data, list):
            elements = data

        if not elements:
            return pd.DataFrame()

        # Flatten each element
        flat_elements = []
        for elem in elements:
            if isinstance(elem, dict):
                flat = self.flatten_json(elem)
                flat_elements.append(flat)

        return pd.DataFrame(flat_elements)

    def extract_properties(self, element: Dict) -> Dict[str, Any]:
        """Extract properties from BIM element."""
        props = {}

        # Common property locations in BIM JSON
        for key in ['properties', 'params', 'parameters', 'attributes']:
            if key in element and isinstance(element[key], dict):
                props.update(element[key])

        return props


# IoT JSON Parser
class IoTJSONParser(ConstructionJSONParser):
    """Parser for IoT sensor data."""

    def parse_sensor_reading(self, data: Dict) -> Dict[str, Any]:
        """Parse single sensor reading."""
        return {
            'sensor_id': data.get('sensor_id') or data.get('id'),
            'timestamp': data.get('timestamp') or data.get('time'),
            'value': data.get('value') or data.get('reading'),
            'unit': data.get('unit', ''),
            'location': data.get('location', '')
        }

    def parse_sensor_batch(self, data: List[Dict]) -> pd.DataFrame:
        """Parse batch of sensor readings."""
        readings = [self.parse_sensor_reading(r) for r in data]
        return pd.DataFrame(readings)
```

## Quick Start

```python
parser = ConstructionJSONParser()

# Parse from file
result = parser.parse_file("bim_export.json")
if result.success:
    df = parser.to_dataframe(result.data)
    print(f"Loaded {len(df)} records")

# Flatten nested JSON
flat = parser.flatten_json(result.data)

# Extract specific path
elements = parser.extract_elements(result.data, "project.building.floors")
```

## Common Use Cases

### 1. BIM Metadata
```python
bim_parser = BIMJSONParser()
result = bim_parser.parse_file("revit_export.json")
elements = bim_parser.parse_bim_elements(result.data)
```

### 2. IoT Sensors
```python
iot_parser = IoTJSONParser()
readings = iot_parser.parse_sensor_batch(sensor_data)
```

### 3. API Response
```python
parser = ConstructionJSONParser()
result = parser.parse_string(api_response)
df = parser.to_dataframe(result.data)
```

## Resources
- **DDC Book**: Chapter 2.1 - Semi-structured Data

© datadrivenconstruction · MIT · datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction

Похожие скиллы

Все скиллы по теме «Данные и базы» →
Document to JSON – PDF Invoice/Statement/Contract Parser fashionmascherine-svg Document to JSON – PDF Invoice/Statement/Contract Parser — MCP-сервер для Claude Code, который преобразует PDF-счета, банковские выписки и договоры в JSON с помощью OCR и ИИ по публичной ссылке. CX Codex +1 ★ 8звёзд репо json-data-handling bobmatnyc Скилл json-data-handling обучает ИИ-агента безопасной работе с JSON в Python и JavaScript: сериализации дат, обходу циклических ссылок, валидации схем и потоковому чтению больших файлов. CX Codex +1 402установок python-flask-json-guide-cursorrules-prompt-file PatrickJS Правило python-flask-json-guide-cursorrules-prompt-file задаёт для Cursor примеры работы с модулем drawscape_factorio. Помогает генерировать SVG-схемы из файлов exported-entities.json. CX Codex +1 ★ 41 178звёзд репо shuffle-json-data официальный github Скилл shuffle-json-data для GitHub Copilot проверяет структуру JSON перед перемешиванием объектов и останавливается при риске испортить данные. Рандомизирует однотипные записи. CX Codex +1 8 700установок system-text-json-net11 dotnet Скилл system-text-json-net11 подсказывает агенту, как применять три новых API System.Text.Json из .NET 11, и не даёт писать обходные пути вместо них. CX Codex +1 4 200установок unit-test-json-serialization giuseppe-trisciuoglio Скилл unit-test-json-serialization подсказывает, как писать юнит-тесты сериализации и десериализации JSON на Jackson и @JsonTest в Spring Boot. CX Codex +1 4 000установок

Из того же набора156

Весь набор →
cwicr-unit-converter Скилл cwicr-unit-converter для перевода между метрическими и имперскими единицами измерения в строительных расчётах. Нормализует данные BIM и CWICR, избегая ошибок при работе с разными системами единиц. CX Codex +1 115установок clash-detection-analysis Скилл clash-detection-analysis находит геометрические коллизии между элементами BIM-моделей в формате IFC и выявляет физические пересечения или нарушения отступов до начала стройки. CX Codex +1 115установок scenario-planner Скилл scenario-planner моделирует сценарии стройки — сравнивает варианты по стоимости, срокам и ресурсам. Помогает понять, что будет, если увеличить смену или ускорить график. CX Codex +1 115установок ontology-mapper Скилл ontology-mapper сопоставляет строительные данные со стандартными отраслевыми онтологиями IFC, COBie и Uniclass для сквозной совместимости схем. CX Codex +1 115установок weather-api Скилл weather-api для Claude Code получает прогноз и исторические данные о погоде и оценивает условия для строительных работ на открытом воздухе. CX Codex +1 115установок capacity-planning Скилл capacity-planning рассчитывает кадровую нагрузку в строительных проектах. Он прогнозирует дефицит инженеров и руководителей по фазам и помогает принимать решения по новым тендерам. CX Codex +1 115установок cwicr-location-factor Скилл cwicr-location-factor для Claude Code корректирует сметы CWICR по региональным коэффициентам труда, материалов и оборудования. Сравнивает стоимость работ в разных локациях. CX Codex +1 115установок email-construction Скилл email-construction генерирует строительные письма: ответы на RFI, передачу согласований, извещения о change order и приглашения на встречи. CX Codex +1 115установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой