1. 快速入门:认识 JSON
JSON 是一种轻量级的数据交换格式。它基于 JavaScript 的一个子集,但独立于语言和平台。Python 中处理 JSON 数据非常方便,主要通过 json 模块完成。
示例代码:
import json
# 创建一个简单的字典
data = {
"name": "Alice",
"age": 30,
"is_student": False,
"hobbies": ["reading", "traveling", "coding"]
}
# 将 Python 对象转换为 JSON 字符串
json_string = json.dumps(data)
print(json_string)
# 将 JSON 字符串转换回 Python 对象
parsed_data = json.loads(json_string)
print(parsed_data)
输出:
{"name": "Alice", "age": 30, "is_student": false, "hobbies": ["reading", "traveling", "coding"]}
{'name': 'Alice', 'age': 30, 'is_student': False, 'hobbies': ['reading', 'traveling', 'coding']}
2. 美化输出:让 JSON 更好看
直接打印出来的 JSON 字符串可能不够美观,尤其是在调试时。使用 json.dumps() 方法的 indent 参数可以生成易读的格式。
示例代码:
pretty_json = json.dumps(data, indent=4)
print(pretty_json)
输出:
{
"name": "Alice",
"age": 30,
"is_student": false,
"hobbies": [
"reading",
"traveling",
"coding"
]
}
3. 处理特殊字符:避免编码问题
在处理包含特殊字符或非 ASCII 字符的 JSON 数据时,可能会遇到编码问题。设置 ensure_ascii=False 可以让非 ASCII 字符正确显示。
示例代码:
special_data = {
"message": "你好,世界!",
"emoji": "😊"
}
json_string = json.dumps(special_data, ensure_ascii=False)
print(json_string)
输出:
{"message": "你好,世界!", "emoji": "😊"}
4. 自定义排序:按照特定顺序排序键值
默认情况下,json.dumps() 会按照字典的键值顺序输出 JSON。如果想自定义排序规则,可以通过传递 sort_keys=True 参数实现。
示例代码:
sorted_json = json.dumps(data, indent=4, sort_keys=True)
print(sorted_json)
输出:
{
"age": 30,
"hobbies": [
"reading",
"traveling",
"coding"
],
"is_student": false,
"name": "Alice"
}
5. 高效序列化:优化性能
在处理大量数据时,序列化和反序列化的性能至关重要。json 模块提供了 ensure_ascii 和 separators 等参数来优化性能。
示例代码:
# 使用 separators 参数去除多余的空格
optimized_json = json.dumps(data, separators=(',', ':'))
print(optimized_json)
输出:
{"name":"Alice","age":30,"is_student":false,"hobbies":["reading","traveling","coding"]}
6. 自定义序列化:处理复杂数据类型
Python 中的某些数据类型(如 datetime 对象)默认无法被 json.dumps() 序列化。这时可以自定义序列化函数来处理这些复杂数据类型。
示例代码:
from datetime import datetime
# 定义一个自定义的序列化函数
def custom_serializer(obj):
if isinstance(obj, datetime):
return obj.isoformat()
raise TypeError("Type not serializable")
# 创建一个包含 datetime 对象的字典
complex_data = {
"name": "Alice",
"birthdate": datetime(1990, 1, 1),
"is_student": False,
"hobbies": ["reading", "traveling", "coding"]
}
# 使用自定义序列化函数
json_string = json.dumps(complex_data, default=custom_serializer)
print(json_string)
输出:
{"name": "Alice", "birthdate": "1990-01-01T00:00:00", "is_student": false, "hobbies": ["reading", "traveling", "coding"]}
7. 批量处理:优化文件读写
在处理大型 JSON 文件时,逐行读取和写入可以显著提高效率。json 模块提供了 load() 和 dump() 方法来处理文件。
示例代码:
# 写入 JSON 文件
with open('data.json', 'w') as file:
json.dump(data, file, indent=4)
# 读取 JSON 文件
with open('data.json', 'r') as file:
loaded_data = json.load(file)
print(loaded_data)
输出:
{'name': 'Alice', 'age': 30, 'is_student': False, 'hobbies': ['reading', 'traveling', 'coding']}
实战案例:处理天气 API 数据
假设我们需要从一个天气 API 获取当前天气信息,并将其保存到本地文件中。
示例代码:
import requests
import json
# API 请求 URL
url = "https://api.openweathermap.org/data/2.5/weather?q=Beijing&appid=YOUR_API_KEY"
# 发送 GET 请求
response = requests.get(url)
# 检查响应状态码
if response.status_code == 200:
# 解析 JSON 数据
weather_data = response.json()
# 将数据保存到文件
with open('weather.json', 'w') as file:
json.dump(weather_data, file, indent=4)
else:
print("Error:", response.status_code)
# 读取并打印数据
with open('weather.json', 'r') as file:
loaded_weather_data = json.load(file)
print(loaded_weather_data)
输出:
{
"coord": {
"lon": 116.4074,
"lat": 39.9042
},
"weather": [
{
"id": 802,
"main": "Clouds",
"description": "scattered clouds",
"icon": "03n"
}
],
...
}
在这个案例中,我们首先发送了一个 GET 请求来获取北京的天气数据。然后将返回的 JSON 数据保存到本地文件 weather.json 中,并通过 json.load() 方法读取文件内容。这样不仅可以方便地查看数据,还可以用于后续的数据处理和分析。
总结
本文介绍了 Python 中处理 JSON 数据的各种技巧,包括快速入门、美化输出、处理特殊字符、自定义排序、性能优化、处理复杂数据类型及批量文件读写等。通过这些技巧,可以更加高效地管理和操作 JSON 数据。