除了常见的二维数据表，我们也会用到有着多层结构的数据文件。比如用来存储销售记录的 JSON 数据文件，可能按照时间、地点等维度分为多层数据结构，但是每层结构中都有销售额字段。如果我们想要取得所有的销售额字段值，就要用到递归运算了。

   我们通过具体的例子看一下，如何对多层数据递归合并字段值。

【例 1】 根据 JSON 格式的销售数据，计算 2014 年的总销售额。文件部分数据如下：

   [

      {"YEAR":2013,"MONTH":7,"SALES": [

         {"ID":10248,"CUSTOMERID":"VINET", … ,"SALES":2440},

         {"ID":10249,"CUSTOMERID":"TOMSP", … ,"SALES":1863.4},

         {"ID":10250,"CUSTOMERID":"HANAR", … ,"SALES":1813.0},

         …

      ]},

      {"YEAR":2013,"MONTH":8,"SALES": [

         {"ID":10270,"CUSTOMERID":"WARTH", … ,"SALES":1376.0},

         {"ID":10271,"CUSTOMERID":"SPLIR", … ,"SALES":48.0},

         {"ID":10272,"CUSTOMERID":"RATTC", … ,"SALES":1456.0},

         …

      ]},

      …

   ]

   在 SPL 中提供了函数 A.field@r()用于递归获取字段值。

   SPL脚本如下：

A1：导入 JSON 数据文件。

A2：选出 2014 年的销售记录。

A3：使用函数 A.field@r() 递归获取所有销售字段值。

A4：循环计算 2014 年每个月份的销售额，再计算总销售额。

【例 2】 下面是某时刻，新冠状病毒世界各地确诊人数的 JSON 数据，要统计世界确诊人数。文件部分数据如下：

   [

      {Region:"USA",Confirmed:[

         {Region:"California",Confirmed:3671902},

         {Region:"New York",Confirmed:1139740},

         {Region:"Virginia",Confirmed:620801},

         {Region:"Florida",Confirmed:2064525},

         …

      ]},

      {Region:"Brazil",Confirmed:[…]},

      {Region:"India",Confirmed: […]},

      {Region:"France",Confirmed: […]}

      …

   ]

   在这个例子中，有的国家只统计了全国人数，也有的国家统计到了每个州（省），还有统计到每个城市的。在这种情况下不能简单的将字段值循环求和，而要用到递归合并了。在 SPL 中提供了函数 A.conj@r() 用于递归合并序列成员。

   SPL脚本如下：

A1：导入 JSON 数据文件。

A2：使用函数 A.field@r() 递归获取所有确诊字段值。

A3：使用函数 A.conj@r() 递归合并所有确诊人数，再求和。