python——json库

Python json 库详解

一、什么是json库？

json库是Python的标准库，用于处理JSON（JavaScript Object Notation）数据。JSON是一种轻量级的数据交换格式，常用于客户端与服务器之间的数据传输。json库提供了将Python对象与JSON格式的数据相互转换的功能。

为什么要使用JSON？

• 易读性高：JSON使用键值对存储数据，结构清晰，易于理解。
• 跨语言支持：JSON格式广泛支持于各种编程语言，方便数据交换。
• 轻量级：与XML相比，JSON格式更简洁，占用空间小。

二、使用场景

json库常用于以下场景：

1. API数据传输：在客户端与服务器之间进行数据交换时，常使用JSON格式进行传输。
2. 配置文件：使用JSON格式保存程序的配置信息，便于读取和修改。
3. 数据存储：在简单的数据存储场景下，可以使用JSON文件保存数据。
4. 序列化与反序列化：将Python对象转换为JSON字符串，便于存储或传输；反之亦然。

三、json库的基本API

1. json.dumps() - Python对象转JSON字符串

json.dumps()用于将Python对象转换为JSON格式的字符串。

语法：

import json

json_string = json.dumps(obj, indent=None, separators=None, ensure_ascii=True)

参数说明：

• obj: 要转换为JSON字符串的Python对象。
• indent: (可选)用于指定缩进级别，便于美观输出。
• separators: (可选)用于指定键值对之间的分隔符。
• ensure_ascii: (可选)默认为True，非ASCII字符会被转义。

示例：

import json

data = {'name': 'John', 'age': 30, 'city': 'New York'}
json_string = json.dumps(data, indent=4)  # 美观输出，缩进4个空格
print(json_string)

输出：

{
    "name": "John",
    "age": 30,
    "city": "New York"
}

使用场景：

• 将Python数据转换为JSON字符串，便于存储或通过网络传输。

2. json.loads() - JSON字符串转Python对象

json.loads()用于将JSON格式的字符串转换为Python对象。

语法：

import json

obj = json.loads(json_string)

参数说明：

• json_string: 要转换的JSON格式字符串。

示例：

import json

json_string = '{"name": "John", "age": 30, "city": "New York"}'
data = json.loads(json_string)
print(data)

输出：

{'name': 'John', 'age': 30, 'city': 'New York'}

使用场景：

• 将从文件或网络读取的JSON字符串转换为Python对象，便于进一步处理。

3. json.dump() - Python对象转JSON并写入文件

json.dump()用于将Python对象转换为JSON格式，并写入到文件中。

语法：

import json

json.dump(obj, file, indent=None, separators=None, ensure_ascii=True)

参数说明：

• obj: 要转换的Python对象。
• file: 文件对象，用于保存JSON数据。
• indent: (可选)用于指定缩进级别，便于美观输出。
• separators: (可选)用于指定键值对之间的分隔符。
• ensure_ascii: (可选)默认为True，非ASCII字符会被转义。

示例：

import json

data = {'name': 'John', 'age': 30, 'city': 'New York'}
with open('data.json', 'w') as file:
    json.dump(data, file, indent=4)

输出：
执行完毕后，会在当前目录下生成一个data.json文件，文件内容如下：

{
    "name": "John",
    "age": 30,
    "city": "New York"
}

使用场景：

• 将Python对象保存为JSON文件，便于后续读取和处理。

4. json.load() - 从文件中读取JSON并转为Python对象

json.load()用于从文件中读取JSON格式的数据，并将其转换为Python对象。

语法：

import json

obj = json.load(file)

参数说明：

• file: 包含JSON数据的文件对象。

示例：

import json

with open('data.json', 'r') as file:
    data = json.load(file)
print(data)

输出：

{'name': 'John', 'age': 30, 'city': 'New York'}

使用场景：

• 从JSON文件中读取数据并转换为Python对象，便于程序中使用。

四、进阶用法

1. 处理复杂数据结构

json库不仅可以处理简单的字典和列表，还可以处理更复杂的嵌套数据结构。

import json

data = {
    'user': {
        'name': 'John',
        'age': 30,
        'contacts': [
            {'type': 'email', 'value': 'john@example.com'},
            {'type': 'phone', 'value': '123-456-7890'}
        ]
    }
}
json_string = json.dumps(data, indent=4)
print(json_string)

输出：

{
    "user": {
        "name": "John",
        "age": 30,
        "contacts": [
            {
                "type": "email",
                "value": "john@example.com"
            },
            {
                "type": "phone",
                "value": "123-456-7890"
            }
        ]
    }
}

2. 自定义JSON编码器和解码器

在处理一些无法直接序列化的对象时，可以通过自定义编码器解决。通过继承json.JSONEncoder或实现default()方法，定义如何将复杂对象转换为可序列化的形式。

示例：

import json
from datetime import datetime

class DateTimeEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat()
        return super().default(obj)

data = {'time': datetime.now()}
json_string = json.dumps(data, cls=DateTimeEncoder)
print(json_string)

输出：

{
    "time": "2024-08-24T15:30:00.123456"
}

（输出的日期和时间根据当前时间会有所不同）

3. 解析与处理JSON流

对于大型数据集或网络数据流，可以使用json库处理一行一行的JSON对象，避免一次性加载全部数据。

示例：

import json

with open('large_data.json') as file:
    for line in file:
        obj = json.loads(line)
        print(obj)

输出：
假设large_data.json文件中的内容为：

{"name": "Alice", "age": 25}
{"name": "Bob", "age": 22}

则执行后输出：

{'name': 'Alice', 'age': 25}
{'name': 'Bob', 'age': 22}

五、常用技巧

1. JSON格式的美观输出

使用indent参数可以使JSON字符串输出更具可读性，适合调试或存储配置文件。

json_string = json.dumps(data, indent=4)

输出：

{
    "name": "John",
    "age": 30,
    "city": "New York"
}

2. 排序键输出

在序列化时，可以使用sort_keys参数将输出的JSON对象的键按字母顺序排序。

json_string = json.dumps(data, sort_keys=True, indent=4)

输出：

{
    "age": 30,
    "city": "New York",
    "name": "John"
}

3. 忽略非ASCII字符的转义

默认情况下，json库会将非ASCII字符转义。可以通过设置ensure_ascii=False来保留原始字符。

data = {'name': 'José'}
json_string = json.dumps(data, ensure_ascii=False)

输出：

{"name": "José"}

4. 处理异常情况

在反序列化时，如果遇到格式错误的JSON数据，可以捕获异常并进行处理。

import json

json_string = '{"name": "John", "age": 30, "city": "New York"'

try:
    data = json.loads(json_string)
except json.JSONDecodeError as e:
    print(f'JSON decode error: {e}')

输出：

JSON decode error: Expecting ',' delimiter: line 1 column 45 (char 44)

六、总结

• json库提供了强大的功能来处理JSON格式的数据。
• 常用API包括dumps()、loads()、dump()和load()。
• 在处理复杂数据结构、自定义编码器和解码器时，json库表现得非常灵活。
• 使用技巧如美观输出、排序键输出和处理异常等，可以提升使用体验。