當前位置：首頁 > 前端技术 > javascript >内容正文

javascript

Python中JSON的基本使用

發布時間：2024/4/18 javascript 42 豆豆

生活随笔收集整理的這篇文章主要介紹了 Python中JSON的基本使用小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

?

JSON (JavaScript Object Notation) 是一種輕量級的數據交換格式。Python3 中可以使用 json 模塊來對 JSON 數據進行編解碼，它主要提供了四個方法：?dumps、dump、loads、load。

dump和dumps

dump和dumps對python對象進行序列化。將一個Python對象進行JSON格式的編碼。

dump函數：

json.dump(obj, fp, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

obj: 表示是要序列化的對象。

fp: 文件描述符，將序列化的str保存到文件中。json模塊總是生成str對象，而不是字節對象；因此，fp.write（）必須支持str輸入。

skipkeys: 默認為False,如果skipkeysTrue,（默認值：False），則將跳過不是基本類型（str，int，float，bool，None）的dict鍵，不會引發TypeError。

ensure_ascii: 默認值為True,能將所有傳入的非ASCII字符轉義輸出。如果ensure_ascii為False，則這些字符將按原樣輸出。

check_circular:默認值為True,如果check_circular為False，則將跳過對容器類型的循環引用檢查，循環引用將導致OverflowError。

allow_nan: 默認值為True,如果allow_nan為False，則嚴格遵守JSON規范,序列化超出范圍的浮點值（nan，inf，-inf）會引發ValueError。如果allow_nan為True,則將使用它們的JavaScript等效項（NaN，Infinity，-Infinity）。

indent: 設置縮進格式，默認值為None,選擇的是最緊湊的表示。如果indent是非負整數或字符串，那么JSON數組元素和對象成員將使用該縮進級別進行輸入；indent為0,負數或“”僅插入換行符；indent使用正整數縮進多個空格；如果indent是一個字符串（例如“\t”），則該字符串用于縮進每個級別。

separators: 去除分隔符后面的空格，默認值為None,如果指定，則分隔符應為（item_separator，key_separator）元組。如果縮進為None，則默認為（’，’，’：’）;要獲得最緊湊的JSON表示，可以指定（’，’，’:’）以消除空格。

default: 默認值為None,如果指定，則default應該是為無法以其他方式序列化的對象調用的函數。它應返回對象的JSON可編碼版本或引發TypeError。如果未指定，則引發TypeError。

sort_keys: 默認值為False,如果sort_keys為True，則字典的輸出將按鍵值排序。

dumps函數：

json.dumps(obj, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

dumps函數不需要傳文件描述符，其他的參數和dump函數的一樣。

load和loads

load和loads反序列化方法,將json格式數據解碼為python對象。

load函數：

json.load(fp, *, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

fp: 文件描述符，將fp（.read（）支持包含JSON文檔的文本文件或二進制文件）反序列化為Python對象。

object_hook: 默認值為None,object_hook是一個可選函數，此功能可用于實現自定義解碼器。指定一個函數，該函數負責把反序列化后的基本類型對象轉換成自定義類型的對象。

parse_float: 默認值為None,如果指定了parse_float，用來對JSON?float字符串進行解碼,這可用于為JSON浮點數使用另一種數據類型或解析器。

parse_int: 默認值為None,如果指定了parse_int，用來對JSON?int字符串進行解碼,這可以用于為JSON整數使用另一種數據類型或解析器。

parse_constant:默認值為None,如果指定了parse_constant,對-Infinity,Infinity,NaN字符串進行調用。如果遇到了無效的JSON符號，會引發異常。

如果進行反序列化（解碼）的數據不是一個有效的JSON文檔，將會引發?JSONDecodeError異常。

loads函數：

json.loads(s, *, encoding=None, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

s: 將s（包含JSON文檔的str，bytes或bytearray實例）反序列化為Python對象。
encoding: 指定一個編碼的格式。
loads也不需要文件描述符，其他參數的含義和load函數的一致。

格式轉化表

JSON中的數據格式和Python中的數據格式轉化關系如下：

JSONPython

object	dict
array	list
string	str
number (int)	int
number (real)	float
true	True
false	False
null	None

實例：

dump和dumps

import json# dumps可以格式化所有的基本數據類型為字符串 data1 = json.dumps([]) # 列表 print(data1, type(data1)) data2 = json.dumps(2) # 數字 print(data2, type(data2)) data3 = json.dumps('3') # 字符串 print(data3, type(data3)) dict = {"name": "Tom", "age": 23} # 字典 data4 = json.dumps(dict) print(data4, type(data4))with open("test.json", "w", encoding='utf-8') as f:# indent 超級好用，格式化保存字典，默認為None，小于0為零個空格f.write(json.dumps(dict, indent=4))json.dump(dict, f, indent=4) # 傳入文件描述符，和dumps一樣的結果

得到的輸出結果如下：格式化所有的數據類型為str類型

[] <class 'str'> 2 <class 'str'> "3" <class 'str'> {"name": "Tom", "age": 23} <class 'str'>

test.json中的內容

{"name": "Tom","age": 23 }

load和loads

import jsondict = '{"name": "Tom", "age": 23}' # 將字符串還原為dict data1 = json.loads(dict) print(data1, type(data1))with open("test.json", "r", encoding='utf-8') as f:data2 = json.loads(f.read()) # load的傳入參數為字符串類型print(data2, type(data2))f.seek(0) # 將文件游標移動到文件開頭位置data3 = json.load(f)print(data3, type(data3))

運行結果如下：

{'name': 'Tom', 'age': 23} <class 'dict'> {'name': 'Tom', 'age': 23} <class 'dict'> {'name': 'Tom', 'age': 23} <class 'dict'>

常見的錯誤：

讀取多行的JSON文件

假如要讀取一個多行的JSON文件：

{"坂": ["坂5742"]} {"構": ["構6784"]} {"共": ["共5171"]} {"鉤": ["鉤94a9"]} {"骯": ["骯80ae"]} {"孤": ["孤5b64"]}

如果直接使用：

with open(json_path, 'r') as f:json_data = json.load(f)

就會報錯：拋出異常JSONDecodeError。

json.decoder.JSONDecodeError: Extra data: line 2 column 1 (char 17)

表示數據錯誤，數據太多，第2行第一列
因為json只能讀取一個文檔對象，有兩個解決辦法
1、單行讀取文件,一次讀取一行文件。
2、保存數據源的時候，格式寫為一個對象。

單行讀取文件：

with open(json_path, 'r') as f:for line in f.readlines():json_data = json.loads(line)

但是這種做法還有個問題，如果JSON文件中包含空行，還是會拋出JSONDecodeError異常

json.decoder.JSONDecodeError: Expecting value: line 2 column 1 (char 1)

可以先處理空行，再進行文件讀取操作：

for line in f.readlines():line = line.strip() # 使用strip函數去除空行if len(line) != 0:json_data = json.loads(line)

合并為一個對象

將json文件處理成一個對象文件。

{"dict": [ {"坂": ["坂5742"]}, {"構": ["構6784"]}, {"共": ["共5171"]}, {"鉤": ["鉤94a9"]}, {"骯": ["骯80ae"]}, {"孤": ["孤5b64"]} ]}

然后再用：

with open(json_path, 'r') as f:json_data = json.loads(f.read())

總結：

json.dumps?將 Python 對象編碼成 JSON 字符串
json.loads?將已編碼的 JSON 字符串解碼為 Python 對象
json.dump和json.load,需要傳入文件描述符，加上文件操作。
JSON內部的格式要注意，一個好的格式能夠方便讀取，可以用indent格式化。

參考鏈接：

https://docs.python.org/3.6/library/json.html#py-to-json-table
https://www.cnblogs.com/tjuyuan/p/6795860.html
http://liuzhijun.iteye.com/blog/1859857
https://blog.csdn.net/qq_22073849/article/details/78192289
http://www.runoob.com/python3/python3-json.html

總結

以上是生活随笔為你收集整理的Python中JSON的基本使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

Python
json

上一篇： gcc/g++ 编译器出现 undefi
下一篇： boot spring test 文档_