python爬虫4——json数据处理

喜欢ヅ旅行 2022-05-09 15:50 498阅读 0赞

JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式，它使得人们很容易的进行阅读和编写。同时也方便了机器进行解析和生成。适用于进行数据交互的场景，比如网站前台与后台之间的数据交互。

python 2.7自带了JSON，使用import json 就可以调用了。

官方文档：[http://docs.python.org/library/json.html][http_docs.python.org_library_json.html]

Json在线解析网站：[http://www.json.cn/\#][http_www.json.cn]

# 一、JSON #

json就是javascript的数组和对象，通过这两种结构可以表示各种复杂的结构：

对象：对象在js中表示为`{ }`括起来的内容，数据结构为 `{ key：value, key：value, ... }`的键值对的结构，在面向对象的语言中，key为对象的属性，value为对应的属性值，所以很容易理解，取值方法为 对象.key 获取属性值，这个属性值的类型可以是数字、字符串、数组、对象这几种。

数组：数组在js中是中括号`[ ]`括起来的内容，数据结构为 `["Python", "javascript", "C++", ...]`，取值方式和所有语言中一样，使用索引获取，字段值的类型可以是 数字、字符串、数组、对象几种。

## 1. json.loads() ##

把Json格式字符串解码转换成Python对象 从json到python的类型转化对照如下：

![70][]

#!/usr/bin/env python
    # -*- coding:utf-8 -*-
    
    import json
    
    
    strList = '[1, 2, 3, 4]'
    print json.loads(strList)
    # [1, 2, 3, 4]
    
    strDict = '{"city": "北京", "name": "大猫"}'
    print json.loads(strDict)
    # json数据自动按Unicode存储

输出结果：

\[1, 2, 3, 4\]  
\{u'city': u'\\u5317\\u4eac', u'name': u'\\u5927\\u732b'\}

##    2. json.dumps() ##

实现python类型转化为json字符串，返回一个str对象 把一个Python对象编码转换成Json字符串

从python原始类型向json类型的转化对照如下：

![20181104230552845.png][]

# 注意：json.dumps() 序列化时默认使用的ascii编码
    # 添加参数 ensure_ascii=False 禁用ascii编码，按utf-8编码
    # chardet.detect()返回字典, 其中confidence是检测精确度
    
    print json.dumps(dictStr)
    # '{"city": "\\u5317\\u4eac", "name": "\\u5927\\u5218"}'

输出：\{"city": "\\u5317\\u4eac", "name": "\\u5927\\u732b"\}

print chardet.detect(json.dumps(dictStr))

输出：\{'confidence': 1.0, 'language': '', 'encoding': 'ascii'\}

print json.dumps(dictStr, ensure_ascii=False)
    # {"city": "北京", "name": "大刘"}
    
    print chardet.detect(json.dumps(dictStr, ensure_ascii=False))
    # {'confidence': 0.99, 'encoding': 'utf-8'}

## 3. json.dump() ##

将Python内置类型序列化为json对象后写入文件

# json_dump.py
    
    import json
    
    listStr = [{"city": "北京"}, {"name": "大刘"}]
    json.dump(listStr, open("listStr.json","w"), ensure_ascii=False)
    
    dictStr = {"city": "北京", "name": "大刘"}
    json.dump(dictStr, open("dictStr.json","w"), ensure_ascii=False)

利用这段代码可以直接生成json文件：

![20181104230808889.png][]

## 4. json.load() ##

读取文件中json形式的字符串元素 转化成python类型

# json_load.py
    
    import json
    
    strList = json.load(open("listStr.json"))
    print strList
    
    # [{u'city': u'\u5317\u4eac'}, {u'name': u'\u5927\u5218'}]
    
    strDict = json.load(open("dictStr.json"))
    print strDict
    # {u'city': u'\u5317\u4eac', u'name': u'\u5927\u5218'}

这段代码就可以读取文件啦！

# JsonPath #

JsonPath 是一种信息抽取类库，是从JSON文档中抽取指定信息的工具，提供多种语言实现版本，包括：Javascript, Python， PHP 和 Java。

JsonPath 对于 JSON 来说，相当于 XPATH 对于 XML。

下载地址：[https://pypi.python.org/pypi/jsonpath][https_pypi.python.org_pypi_jsonpath]

安装方法：点击`Download URL`链接下载jsonpath，解压之后执行`python setup.py install`

官方文档：[http://goessner.net/articles/JsonPath][http_goessner.net_articles_JsonPath]

[http_docs.python.org_library_json.html]: http://docs.python.org/library/json.html
[http_www.json.cn]: http://www.json.cn/#
[70]: /images/20220506/1a77d046b1e74fa68462d105aef35267.png
[20181104230552845.png]: /images/20220506/dc0d8187b4a34e5185d8a782cf4b0af4.png
[20181104230808889.png]: /images/20220506/6d3672452e2a4b9e9c79980706d86fe7.png
[https_pypi.python.org_pypi_jsonpath]: https://pypi.python.org/pypi/jsonpath/
[http_goessner.net_articles_JsonPath]: http://goessner.net/articles/JsonPath/