Python中的JSON简介
您知道如何从在线API传输数据或将不同类型的数据存储到本地计算机吗？无论以何种方式，您都会沉浸在JSON中，JSON代表[Java Script Object Notation]。它是一种著名的流行数据格式，用于表示半结构化数据。让我们更详细地了解Python JSON。
Python中的JSON简介
JSON是Java Script Object Notation的缩写，对象表示是一种以有组织且简单的方式存储信息的方式。在浏览器和服务器之间交换数据时，数据必须是文本形式。
如果您想知道它是否是JavaScript？那么，答案是否。它是一个由文本组成的脚本，用于以人和机器可读的格式存储和传输数据。它是一种受JavaScript启发的小型、轻量级数据格式，通常用于文本或字符串格式。一包JSON几乎与一本Python字典相同。现在，你一定在想；
如何在Python中读取JSON文件？
问题的答案是，您必须导入通常将Python数据类型转换为JSON字符串文件的JSON模块。它由直接从JSON文件读取和写入的JSON函数组成，Python有一个内置的JSON包，是标准库的一部分，因此您不需要安装它。
示例：
import json既然您已经了解了Python中的JSON，那么让我们更深入地了解一下解析。
解析中：
JSON库可以从字符串或文件解析JSON。它还可以将JSON解析为Python字典或列表，反之亦然。解析通常分两个阶段进行：
1.从JSON到Python的转换
2.从Python到JSON的转换
JSON到Python的转换：
您可以使用 json.loads()将JSON字符串转换为Python。让我向您展示一下实际执行情况：
示例：
import json
people_string = '''
{
"people":[
{
"emp_name": "John smith",
"emp_no.": "924367-567-23",
"emp_email": ["[email protected]"],
"has_license": "false"
},
{
"emp_name": "harshit kant",
"emp_number": "560-555-5153",
"emp_email": "null",
"has_license": "true"
}
]
}
'''
data = json.loads(people_string)
print(data)
输出：
从上面的输出中可以看到，它打印了一本Python字典。为了更好地理解，让我们打印数据类型。
示例：
import json
people_string = '''
{
"people":[
{
"emp_name": "John smith",
"emp_no.": "924367-567-23",
"emp_email": ["[email protected]"],
"has_license": "false"
},
{
"emp_name": "harshit kant",
"emp_number": "560-555-5153",
"emp_email": "null",
"has_license": "true"
}
]
}
'''
data = json.loads(people_string)
print(type(data)) #prints the datatype
输出：
现在，您已经熟悉了一个转换，让我们看看第二阶段中的另一个转换类型。
Python到JSON的转换：
Python对象可以使用json.dump()转换为JSON字符串。让我们看看下面给出的一个例子：
示例：
import json
people_string = '''
{
"people":[
{
"emp_name": "John smith",
"emp_no.": "924367-567-23",
"emp_email": ["[email protected]"],
"has_license": "false"
},
{
"emp_name": "harshit kant",
"emp_no.": "560-555-5153",
"emp_email": "null",
"has_license": "true"
}
]
}
'''
data = json.loads(people_string)
new_string = json.dumps(data)
print(new_string)
输出：
输出将是JSON字符串类型。我已经演示了JSON到Python转换中的数据类型，随后将遵循相同的过程来打印数据类型。
pandas解析JSON：
- 可以使用以下泛型结构将JSON字符串加载到DataFrame中。
import pandas as pd
pd.read_json(r'Path where you saved the JSON fileFile Name.json')- 准备JSON字符串。
- 创建一个JSON文件，我们正在使用的文件是noble_prize.json。
- 将JSON文件加载到Pandas DataFrame中。 JSON字符串可以通过以下步骤解析成Pandas数据帧：下面实现的代码将我的JSON文件加载到DataFrame中。
import pandas as pd
import json
with open(r'C:UsersHarshit_KantDesktopnobel.prize.json') as f:
data = json.load(f)
print (data)
df = pd.DataFrame
print(df)
输出：
接下来，让我们看看如何用Python序列化JSON。
JSON序列化[encode]：
序列化JSON仅仅意味着您正在编码JSON。它将给定的Python数据结构(例如：dict)转换为其有效的JSON对象。为了处理文件中的数据流，Python中的JSON库使用json.dumps
漂亮打印：
Pretty Print负责代码对齐，并使其成为人类可读的格式。让我们看一下下面的示例，其中我传递了两个参数“SORT_KEYS”，这两个参数总是返回布尔值True和“缩进”空格。
示例：
import json
people_string = '''
{
"people":[
{
"emp_name": "John smith",
"emp_no.": "924367-567-23",
"emp_email": ["[email protected]"],
"has_license": "false"
},
{
"emp_name": "harshit kant",
"emp_no.": "560-555-5153",
"emp_email": "null",
"has_license": "true"
}
]
}
'''
data = json.loads(people_string)
new_string = json.dumps(data, sort_keys=True, indent=3)
print(new_string)
编码演示：
在这个编码演示中，我将使用这里给出的名为“NOBELPRIZE”的JSON数据集。您将学习如何通过JSON文件对其进行序列化和反序列化。
示例(JSON数据集序列化)：
import json
with open('nobel_prize.json.html') as f:
data = json.load(f)
with open('new_nobel_prize.json.html') as f:
json.dump(data,f,indent=2)输出：
Python代码编译成功，并创建了一个新文件“new_nobel_prize.json”，其中的数据正从已有的文件“nobel_prize.json”转储。
示例(JSON数据集的反序列化)：
import json
with open('nobel_prize.json.html') as f:
data = json.load(f)
for nobel_prize in data['prizes']:
print(nobel_prize['year'],nobel_prize['category'])输出：
代码片段显示了从JSON文件到其各自的PythonObject的更改。
这就是我们的文章“Python JSON”的结尾。我希望您对所有与JSON、解析、序列化和反序列化相关的概念都很清楚。
学习安排上
作为一位过来人也是希望大家少走一些弯路，如果你不想再体验一次学习时找不到资料，没人解答问题，坚持几天便放弃的感受的话，在这里我给大家分享一些自动化测试的学习资源，希望能给你前进的路上带来帮助。【保证100%免费】
视频文档获取方式：
这份文档和视频资料，对于想从事【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴我走过了最艰难的路程，希望也能帮助到你！以上均可以分享，点下方小卡片即可自行领取。