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：
- 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。
- 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。
- 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。
- 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': '[email protected]'},
{'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": "[email protected]"
},
{
"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。