From: http://blog.csdn.net/jlnuboy/article/details/5732196

PyMOTW: json

• 模塊： json
• 目的： JavaScript對象格式序列器
• python版本： 2.6

json模塊提供了一個類似于pickle中用于轉換內存中python對象為一個序列表示形式(“JavaScript Object Notation”)的API接口. 但和pickle不同的是, JSON在其他很多語言中都有對應實現(特別是在JavaScript中), 使其更適用于內部應用間的通信. 在一個AJAX應用中, JSON可能對于web服務器和客戶端間的通信, 使用最為廣泛, 但它也不僅限于這類應用.

?

?

?

簡單數據類型的編碼和解碼

編碼器默認支持Python的本地類型(如int, float, list, tuple, dict).

?

?

[python] view plaincopy

import?json??

data?=?[?{?'a':'A',?'b':(2,?4),?'c':3.0?}?]??

print?'DATA:',?repr(data)??

data_string?=?json.dumps(data)??

print?'JSON:',?data_string??

?

編碼器處理之后的值和Python的repr()的輸出值很類似.

[python] view plaincopy

$?python?json_simple_types.py??

DATA:?[{'a':?'A',?'c':?3.0,?'b':?(2,?4)}]??

JSON:?[{"a":?"A",?"c":?3.0,?"b":?[2,?4]}]??

?

編碼之后的解碼所獲的的值可能和原先的對象不是完全一致.

[python] view plaincopy

import?json??

data?=?[?{?'a':'A',?'b':(2,?4),?'c':3.0?}?]??

data_string?=?json.dumps(data)??

print?'ENCODED:',?data_string??

decoded?=?json.loads(data_string)??

print?'DECODED:',?decoded??

print?'ORIGINAL:',?type(data[0]['b'])??

print?'DECODED?:',?type(decoded[0]['b'])??

?

比如說, 元組會被轉換為JSON的列表.

[python] view plaincopy

$?python?json_simple_types_decode.py??

ENCODED:?[{"a":?"A",?"c":?3.0,?"b":?[2,?4]}]??

DECODED:?[{u'a':?u'A',?u'c':?3.0,?u'b':?[2,?4]}]??

ORIGINAL:?<type?'tuple'>??

DECODED?:?<type?'list'>??

?

?

人性化使用 vs 緊湊型輸出

JSON優于pickle的另外一點是其結果具有可讀性. dumps()函數接收多個參數用于更好的輸出結構. 比如說. sort_keys參數告訴編碼器按照順序輸出字典的鍵值, 而不是隨機無序的.

[python] view plaincopy

import?json??

data?=?[?{?'a':'A',?'b':(2,?4),?'c':3.0?}?]??

print?'DATA:',?repr(data)??

unsorted?=?json.dumps(data)??

print?'JSON:',?json.dumps(data)??

print?'SORT:',?json.dumps(data,?sort_keys=True)??

first?=?json.dumps(data,?sort_keys=True)??

second?=?json.dumps(data,?sort_keys=True)??

print?'UNSORTED?MATCH:',?unsorted?==?first??

print?'SORTED?MATCH?:',?first?==?second??

?

排序之后更容易讓人看出結果, 也使進行JSON的比較輸出成為可能.

?

[python] view plaincopy

$?python?json_sort_keys.py??

DATA:?[{'a':?'A',?'c':?3.0,?'b':?(2,?4)}]??

JSON:?[{"a":?"A",?"c":?3.0,?"b":?[2,?4]}]??

SORT:?[{"a":?"A",?"b":?[2,?4],?"c":?3.0}]??

UNSORTED?MATCH:?False??

SORTED?MATCH?:?True??

?

對于高度嵌套的數據結構, 你會想在輸出結果中增加縮進以更好的顯示其格式.

[python] view plaincopy

import?json??

data?=?[?{?'a':'A',?'b':(2,?4),?'c':3.0?}?]??

print?'DATA:',?repr(data)??

print?'NORMAL:',?json.dumps(data,?sort_keys=True)??

print?'INDENT:',?json.dumps(data,?sort_keys=True,?indent=2)??

?

當indent參數是一非負整數時, 輸出的結構和pprint更為接近, 在每個縮進層次上都有前導空格.

[python] view plaincopy

$?python?json_indent.py??

DATA:?[{'a':?'A',?'c':?3.0,?'b':?(2,?4)}]??

NORMAL:?[{"a":?"A",?"b":?[2,?4],?"c":?3.0}]??

INDENT:?[??

?????????????{??

?????????????"a":?"A",??

?????????????"b":?[??

??????????????????????2,??

??????????????????????4??

??????????????????????],??

?????????????"c":?3.0??

?????????????}??

]??

?

像這種類型輸出的數據在傳輸過程中需占用更多的字節, 不過, 在實際生產環境中沒有必要使用縮進格式. 實際上, 你可以設置數據的分隔符來讓結果更為緊湊.

[python] view plaincopy

import?json??

data?=?[?{?'a':'A',?'b':(2,?4),?'c':3.0?}?]??

print?'DATA:',?repr(data)??

print?'repr(data)?:',?len(repr(data))??

print?'dumps(data)?:',?len(json.dumps(data))??

print?'dumps(data,?indent=2)?:',?len(json.dumps(data,?indent=2))??

print?'dumps(data,?separators):',?len(json.dumps(data,?separators=(',',':')))??

?

dumps()函數的separators參數是一個元組, 包含分隔列表各項和字典鍵值各項的字符串. 默認是(‘, ‘, ‘: ‘). 可以去掉后者中的空格, 我們可以得到較緊湊的輸出.

[python] view plaincopy

$?python?json_compact_encoding.py??

DATA:?[{'a':?'A',?'c':?3.0,?'b':?(2,?4)}]??

repr(data)?:?35??

dumps(data)?:?35??

dumps(data,?indent=2)?:?76??

dumps(data,?separators):?29??

?

?

編碼字典

JSON格式中, 字典的鍵被限制為字符串類型. 如果字典中的鍵是其他類型, 那么在編碼這個對象時會產生一個TypeError異常. 一種解決這個限制的方法是, 在編碼時, 使用skipkeys參數跳過所有非字符串類型的鍵.

[python] view plaincopy

import?json??

data?=?[?{?'a':'A',?'b':(2,?4),?'c':3.0,?('d',):'D?tuple'?}?]??

print?'First?attempt'??

try:??

????print?json.dumps(data)??

except?TypeError,?err:??

????print?'ERROR:',?err??

print??

print?'Second?attempt'??

print?json.dumps(data,?skipkeys=True)??

?

非字符串類型的鍵被忽略, 而不拋出一個異常.

[python] view plaincopy

$?python?json_skipkeys.py??

First?attempt??

ERROR:?key?('d',)?is?not?a?string??

Second?attempt??

[{"a":?"A",?"c":?3.0,?"b":?[2,?4]}]??

?

?

自定義類型的處理

上面所有的例子都是用了Python的內置類型作為例子, 因為他們都被json本身支持. 當然, 自定義類型也常常需要正確編碼. 這里有兩種情況:

第一, 對于一個類的編碼:

[python] view plaincopy

class?MyObj(object):??

????def?__init__(self,?s):??

????????self.s?=?s??

????def?__repr__(self):??

????????return?'<MyObj(%s)>'?%?self.s??

?

編碼一個MyObj對象的最簡單方式是定義個轉換函數, 用于將位置類型轉換出呢個已知類型. 你沒有必要自己進行編碼, 而僅需要將一個對象轉換成另一個對象.

[python] view plaincopy

import?json??

import?json_myobj??

obj?=?json_myobj.MyObj('instance?value?goes?here')??

print?'First?attempt'??

try:??

????print?json.dumps(obj)??

except?TypeError,?err:??

????print?'ERROR:',?err??

def?convert_to_builtin_type(obj):??

????print?'default(',?repr(obj),?')'??

????#?Convert?objects?to?a?dictionary?of?their?representation??

????d?=?{?'__class__':obj.__class__.__name__,??

??????????'__module__':obj.__module__,??

????????}??

????d.update(obj.__dict__)??

????return?d??

print??

print?'With?default'??

print?json.dumps(obj,?default=convert_to_builtin_type)??

?

在convert_to_builtin_type()函數中, 不被json識別的類對象被轉換成一個包含足夠能重建這個對象的字典信息.

[python] view plaincopy

$?python?json_dump_default.py??

First?attempt??

ERROR:?<MyObj(instance?value?goes?here)>?is?not?JSON?serializable??

With?default??

default(?<MyObj(instance?value?goes?here)>?)??

{"s":?"instance?value?goes?here",?"__module__":?"json_myobj",?"__class__":?"MyObj"}??

?

?

為了能解碼結果數據并創建一個MyObj實例, 我們需要配合解碼器以便可以從模塊中導入類并創建實例. 我們在loads()函數中使用object_hook參數.

在輸入數據流中, 對于解碼獲得的每個字典都會調用object_hook, 將這個字典轉換成其他類型的對象. hook函數返回的是調用程序所需要的對象, 而不是字典.

[python] view plaincopy

import?json??

def?dict_to_object(d):??

????if?'__class__'?in?d:??

????????class_name?=?d.pop('__class__')??

????????module_name?=?d.pop('__module__')??

????????module?=?__import__(module_name)??

????????print?'MODULE:',?module??

????????class_?=?getattr(module,?class_name)??

????????print?'CLASS:',?class_??

????????args?=?dict(?(key.encode('ascii'),?value)?for?key,?value?in?d.items())??

????????print?'INSTANCE?ARGS:',?args??

????????inst?=?class_(**args)??

????else:??

????????inst?=?d??

????return?inst??

encoded_object?=?'[{"s":?"instance?value?goes?here",?"__module__":?"json_myobj",?"__class__":?"MyObj"}]'??

myobj_instance?=?json.loads(encoded_object,?object_hook=dict_to_object)??

print?myobj_instance??

?

由于json將字符串值轉換成unicode對象, 所以我們需要將作為類構造器的參數重新編碼為ASCII字符串.

[python] view plaincopy

$?python?json_load_object_hook.py??

MODULE:?<module?'json_myobj'?from?'/Users/dhellmann/Documents/PyMOTW/src/PyMOTW/json/json_myobj.pyc'>??

CLASS:?<class?'json_myobj.MyObj'>??

INSTANCE?ARGS:?{'s':?u'instance?value?goes?here'}??

[<MyObj(instance?value?goes?here)>]??

?

?

對于內置類型也都有類似的hooks, 如整型(parse_int), 浮點型(parse_float), 常量(parse_constant).

編碼和解碼類

除了上述的這些函數外, json模塊還提供了編碼和解碼類. 直接使用這些類, 你可以訪問到額外的API接口或者定制創建它的子類.

JSONEncoder提供了一個產生編碼數據”塊”的的迭代接口, 這在寫入一個文件或網絡sockets時(不需要在內存中完整表示整個數據)是非常方便的,

[python] view plaincopy

import?json??

encoder?=?json.JSONEncoder()??

data?=?[?{?'a':'A',?'b':(2,?4),?'c':3.0?}?]??

for?part?in?encoder.iterencode(data):??

????print?'PART:',?part??

?

正如你看到的, 數據是以邏輯單位形式輸出的, 而不是按照數據長度輸出.

[python] view plaincopy

$?python?json_encoder_iterable.py??

?????PART:?[??

?????????????PART:?{??

?????????????PART:?"a"??

?????????????PART:?:??

?????????????PART:?"A"??

?????????????PART:?,??

?????????????PART:?"c"??

?????????????PART:?:??

?????????????PART:?3.0??

?????????????PART:?,??

?????????????PART:?"b"??

?????????????PART:?:??

?????????????PART:?[??

?????????????PART:?2??

?????????????PART:?,??

?????????????PART:?4??

?????????????PART:?]??

?????????????PART:?}??

?????????????PART:?]??

?

?

encode()方法基本上等價于’‘.join(encoder.iterencode()), 只是多了些附加錯誤檢查.

為了能夠編碼任何類型的對象, 我們可以編寫一類似于上述的convert_to_builtin_type()函數去重載default()方法.

[python] view plaincopy

import?json??

import?json_myobj??

class?MyEncoder(json.JSONEncoder):??

????def?default(self,?obj):??

????????print?'default(',?repr(obj),?')'??

????????#?Convert?objects?to?a?dictionary?of?their?representation??

????????d?=?{?'__class__':obj.__class__.__name__,??

??????????????'__module__':obj.__module__,??

????????????}??

????????d.update(obj.__dict__)??

????????return?d??

obj?=?json_myobj.MyObj('internal?data')??

print?obj??

print?MyEncoder().encode(obj)??

?

這里輸出的結果是和先前的實現一致的.

[python] view plaincopy

$?python?json_encoder_default.py??

<MyObj(internal?data)>??

default(?<MyObj(internal?data)>?)??

{"s":?"internal?data",?"__module__":?"json_myobj",?"__class__":?"MyObj"}??

?

解碼后將字典轉換成一個對象, 在先前實現的基礎上稍作修改即可.

[python] view plaincopy

import?json??

class?MyDecoder(json.JSONDecoder):??

????def?__init__(self):??

????????json.JSONDecoder.__init__(self,?object_hook=self.dict_to_object)??

????def?dict_to_object(self,?d):??

????????if?'__class__'?in?d:??

????????????class_name?=?d.pop('__class__')??

????????????module_name?=?d.pop('__module__')??

????????????module?=?__import__(module_name)??

????????????print?'MODULE:',?module??

????????????class_?=?getattr(module,?class_name)??

????????????print?'CLASS:',?class_??

????????????args?=?dict(?(key.encode('ascii'),?value)?for?key,?value?in?d.items())??

????????????print?'INSTANCE?ARGS:',?args??

????????????inst?=?class_(**args)??

????????else:??

????????????inst?=?d??

????????return?inst??

encoded_object?=?'[{"s":?"instance?value?goes?here",?"__module__":?"json_myobj",?"__class__":?"MyObj"}]'??

myobj_instance?=?MyDecoder().decode(encoded_object)??

print?myobj_instance??

?

輸出結果也是和先前例子中輸出的一樣.

[python] view plaincopy

$?python?json_decoder_object_hook.py??

MODULE:?<module?'json_myobj'?from?'/Users/dhellmann/Documents/PyMOTW/src/PyMOTW/json/json_myobj.pyc'>??

CLASS:?<class?'json_myobj.MyObj'>??

INSTANCE?ARGS:?{'s':?u'instance?value?goes?here'}??

[<MyObj(instance?value?goes?here)>]??

?

?

流和文件的處理

到目前為止的所有例子, 我們都假設待編碼的數據都是一次性完整加載到內存中的. 但對于大型數據結構來說, 將編碼數據直接寫入一個類文件對象, 可能會更好. load()和dump()函數可以接收一個用于讀或寫的類文件對象的引用.

[python] view plaincopy

import?json??

import?tempfile??

data?=?[?{?'a':'A',?'b':(2,?4),?'c':3.0?}?]??

f?=?tempfile.NamedTemporaryFile(mode='w+')??

json.dump(data,?f)??

f.flush()??

print?open(f.name,?'r').read()??

?

對于socket來說, 也和正常文件句柄類似.

[python] view plaincopy

$?python?json_dump_file.py??

[{"a":?"A",?"c":?3.0,?"b":?[2,?4]}]??

?

雖然一次性讀取部分數據不是很好, 但是load()函數仍然提供了從流數據輸入中封裝生成對象的功能.

[python] view plaincopy

import?json??

import?tempfile??

f?=?tempfile.NamedTemporaryFile(mode='w+')??

f.write('[{"a":?"A",?"c":?3.0,?"b":?[2,?4]}]')??

f.flush()??

f.seek(0)??

print?json.load(f)??

? [python] view plaincopy

$?python?json_load_file.py??

[{u'a':?u'A',?u'c':?3.0,?u'b':?[2,?4]}]??

?

?

混合數據流

JSONDecoder包含了raw_decode()方法, 用于解碼在很多數據組成的數據結構, 例如包含多余文本的JSON數據. 返回的值是從輸入數據中解碼獲得的對象, 數據中的index表示解碼對象結束時所在的位置.

[python] view plaincopy

import?json??

decoder?=?json.JSONDecoder()??

def?get_decoded_and_remainder(input_data):??

????obj,?end?=?decoder.raw_decode(input_data)??

????remaining?=?input_data[end:]??

????return?(obj,?end,?remaining)??

encoded_object?=?'[{"a":?"A",?"c":?3.0,?"b":?[2,?4]}]'??

extra_text?=?'This?text?is?not?JSON.'??

print?'JSON?first:'??

obj,?end,?remaining?=?get_decoded_and_remainder('?'.join([encoded_object,?extra_text]))??

print?'Object?:',?obj??

print?'End?of?parsed?input?:',?end??

print?'Remaining?text?:',?repr(remaining)??

print??

print?'JSON?embedded:'??

try:??

????obj,?end,?remaining?=?get_decoded_and_remainder(??

?????????????????'?'.join([extra_text,?encoded_object,?extra_text])??

?????????????????)??

except?ValueError,?err:??

????print?'ERROR:',?err??

?

不幸的是, 這僅僅在對象出現在輸入流的開始處才有效.

[python] view plaincopy

$?python?json_mixed_data.py??

JSON?first:??

Object?:?[{u'a':?u'A',?u'c':?3.0,?u'b':?[2,?4]}]??

End?of?parsed?input?:?35??

Remaining?text?:?'?This?text?is?not?JSON.'??

JSON?embedded:??

ERROR:?No?JSON?object?could?be?decoded??

總結

以上是生活随笔為你收集整理的python Json的一点收获，自定义序列化方法的全部內容，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。