Python解析JSON详解

JSON 函数

使用 JSON 函数需要导入 json 库：import json。

函数 描述 json.dumps 将 Python 对象编码成 JSON 字符串 json.loads 将已编码的 JSON 字符串解码为 Python 对象

json.dumps

语法 json.dumps(obj, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, encoding=”utf-8”, default=None, sort_keys=False, **kw)

实例 以下实例将数组编码为 JSON 格式数据： 1 2 3 4 5

!/usr/bin/python

import json data = {‘number’: 6, ‘name’: ‘Pythontab’} jsonData = json.dumps(data) print jsonData 以上代码执行结果为： 1 {“number”: 6, “name”: “Pythontab”} 注意： 大家可能发现，执行上述转换以后，数据并没有发生变化，这里要说一下： 在json中双引号才是标注的字符串分割符号，单引号不标准。

使用参数让 JSON 数据排序并格式化输出： 1 2 3 4 5

!/usr/bin/python

import json data = {‘number’: 6, ‘name’: ‘Pythontab’} jsonData = json.dumps(data, sort_keys=True, indent=4, separators=(‘,’, ‘: ‘)) print jsonData 输出结果 1 2 3 4 { “name”: “Pythontab”, “number”: 6 } python 原始类型向 json 类型的转化对照表： Python JSON dict object list, tuple array str, unicode string int, long, float number True true False false None null

json.loads

json.loads 用于解码 JSON 数据。该函数返回 Python 字段的数据类型。

语法 json.loads(s[, encoding[, cls[, object_hook[, parse_float[, parse_int[, parse_constant[, object_pairs_hook[, **kw]]]]]]]])

实例 以下实例展示了Python 如何解码 JSON 对象： 1 2 3 4 5

!/usr/bin/python

import json jsonData = ‘{“number”: 6, “name”: “Pythontab”}’ str = json.loads(jsonData) print str 以上代码执行结果为： 1 {u’number’: 6, u’name’: u’Pythontab’}

json 类型转换到 python 的类型对照表： JSON Python object dict array list string unicode number (int) int, long number (real) float true True false False null None

使用第三方库：Demjson

Demjson 是 python 的第三方模块库，可用于编码和解码 JSON 数据，包含了 JSONLint 的格式化及校验功能。

Github 地址：https://github.com/dmeranda/demjson

环境配置

在使用 Demjson 编码或解码 JSON 数据前，我们需要先安装 Demjson 模块。 方法1：源码安装 tar−xvzfdemjson−2.2.4.tar.gz cd demjson-2.2.4 $ python setup.py install

方法2：直接使用pip安装 pip install Demjson

JSON 函数 函数 描述 encode 将 Python 对象编码成 JSON 字符串 decode 可以使用 demjson.decode() 函数解码 JSON 数据。该函数返回 Python 字段的数据类型。

encode语法 demjson.encode(self, obj, nest_level=0)

decode语法 demjson.decode(self, txt)

转载于:https://www.cnblogs.com/bilaisheng/p/10211046.html

相关资源：垃圾分类数据集及代码