Python 官方文档:入门教程 => 点击学习
数据提取之JSON与jsonPATH JSON(javascript Object Notation)是一种轻量级的数据交换格式,它是的人们很容易的进行阅读和编写。同时也方便了机器进行解析和生成。适用于进行数据交互的场景,比如网站前台与后
JSON(javascript Object Notation)是一种轻量级的数据交换格式,它是的人们很容易的进行阅读和编写。同时也方便了机器进行解析和生成。适用于进行数据交互的场景,比如网站前台与后台之间的数据交互。
JSON和XML的比较可谓不相上下。
python2.7中自带了JSON模块,直接import json
就可以使用了。 官方博客:http://docs.python.org/library/json.html
Json在线解析网站:http://www.json.cn/#
json简单说就是javascript中的对象和数组,所以这两种结构就是对象和数据两种结构,通过这两种结构可以表示各种复杂的结构。
json模块提供了四个功能:dumps
、dump
、loads
、load
,用于字符串和python数据类型键进行转换。
把json格式字符串解码转换成Python对象从json到Python的类型转化对照如下:
从json到python的转化关系
#json_loads.pyimport jsonstrList = '[1, 2, 3, 4]'strDict = '{"city":"北京", "name":"大猫"}'json.loads(strList)for str in strList: print(str)#[1, 2, 3, 4]json.loads(strDict) #json数据自动按Unicode存储#{u'city': u'\u5317\u4eac', u'name': u'\u5927\u732b'}
实现python类型转化为json字符串,返回一个str对象。把一个Python对象编码转换成Json字符串,从python原始类型向json类型转化对照表如下:
python向json转化
#json_dumps.py#-*- coding:utf-8 -*-import jsonimport chardetlistStr = [1, 2, 3, 4]tupleStr = (1, 2, 3, 4)dictStr = {"city":"北京", "name":"大猫"}print(type(json.dumps(listStr)))# '[1, 2, 3, 4]'print(type(json.dumps(tupleStr)))# '[1, 2, 3, 4]'#注意,json.dumps()序列化时默认使用ascii编码#添加参数 ensure_ascii = False,禁用ascii编码,按utf-8编码#chardet.detect()返回字典,其中confidence是检测精确度。print(json.dumps(dictStr))#'{"city":"\\u5317\\u4eac", "name":"\\u5927\\u5218"}'print(chardet.detect(json.dumps(dictStr)))print(json.dumps(dictStr, ensure_ascii=False))print(chardet.detect(json.dumps(dictStr, ensure_ascii=False)))
chardet是一个非常优秀的编码识别模块,可通过pip安装
将Python内置类型序列化为json对象后写入文件
#json_dump.pyimport jsonlistStr = [{"city":"北京"}, {"name":"大刘"}]json.dump(listStr, open("listStr.json", "w"), ensure_ascii=False)dictStr = {"city":"北京", "name":"大刘"}json.dump(dictStr.open("dictStr.json", "w"), ensure_ascii=False)
读取文件中json形式的字符串元素转化成python类型
#-*- coding:utf-8 -*-import jsonstrList = json.load(open("listStr.json"))print strList# [{u'city': u'\u5317\u4eac'}, {u'name': u'\u5927\u5218'}]strDict = json.load(open("dictStr.json"))print strDict# {u'city': u'\u5317\u4eac', u'name': u'\u5927\u5218'}
JsonPath是一种信息抽取类库,是从JSON文档中抽取指定信息的工具,提供多种原因实现保本:JavaScript/Python/PHP和Java
JsonPath对于JSON来说,相当于XPATH对于XML
下载地址:https://pypi.python.org/pypi/jsonpath 安装方法:点击Download URL链接下载jsonpath,解压之后执行python setup.py install 官方文档:http://goessner.net/articles/JsonPath
Json结构清晰,可读性高,复杂度低,非常容易匹配,下表中对应了XPath的用法。
Xpath | JSONPath | 描述 |
---|---|---|
/ | $ | 跟节点 |
. | @ | 现行节点 |
/ | . or [] | 取子节点 |
… | n/a | 就是不管位置,选择所有符合条件的条件 |
* | * | 匹配所有元素节点 |
[] | [] | 迭代器标示(可以在里面做简单的迭代操作,如数组下标,根据内容选值等) |
| | [,] | 支持迭代器中做多选 |
[] | ?() | 支持过滤操作 |
n/a | () | 支持表达式计算 |
() | n/a | 分组,JsonPath不支持 |
我们以拉勾网城市JSON文件Http://www.laGou.com/lbs/getAllCitySearchLabels.json为例,获取所有城市。
#-*- coding:utf-8 -*-import urllib2import jsonimport jsonpathimport chardeturl = "http://www.lagou.com/lbs/getAllCitySearchLabels.json"request = urllib2.Request(url)response = urllib2.urlopen(request)html = response.read()#把json格式字符串转换成python对象jsonobj = json.loads(html)#从根节点开始,匹配name节点citylist = jsonpath.jsonpath(jsonobj, '$..name')print citylistprint(type(citylist))fp = open('city.json', 'w')content = json.dumps(citylist, ensure_ascii=False)print contentfp.write(content.encode('utf-8'))fp.close()
json.loads()是把Json格式字符串解码转换成Python对象,如果在json.loads的时候出错,要注意被解码的Json字符的编码。
如果传入的字符串的编码不是UTF-8的话,需要制定字符编码的参数:encoding
dataDict = json.loads(jsonStrGBK);
dataDict = json.loads(jsonStrGBK, encoding="GBK")
dataJsonStrUni = data.JsonStr.decode("GB2312")dataDict = json.loads(dataJsontrUni, encoding="GB2312")
这是程序员最苦逼的地方,什么乱码之类的几乎都是由汉字引起的。 其实编码问题很好搞定,只要记住一点:
UTF-8与GBK互相转换,那就先把UTF-8转换成Unicode,再从Unicode转换成GBK,反之同理。
# 这是一个 UTF-8 编码的字符串utf8Str = "你好地球"# 1. 将 UTF-8 编码的字符串 转换成 Unicode 编码unicodeStr = utf8Str.decode("UTF-8")# 2. 再将 Unicode 编码格式字符串 转换成 GBK 编码gbkData = unicodeStr.encode("GBK")# 1. 再将 GBK 编码格式字符串 转化成 UnicodeunicodeStr = gbkData.decode("gbk")# 2. 再将 Unicode 编码格式字符串转换成 UTF-8utf8Str = unicodeStr.encode("UTF-8")
decode
的作用是将其它编码的字符串转换成Unicode编码 encode
的作用是将Unicode编码转换成其他编码的字符串 一句话:**UTF-8**
是对Unicode字符集记性编码的一种编码格式
更多Python的学习资料可以扫描下方二维码无偿领取!!!
1)Python所有方向的学习路线(新版)
总结的python爬虫和数据分析等各个方向应该学习的技术栈。
比如说爬虫这一块,很多人以为学了xpath和PyQuery等几个解析库之后就精通的python爬虫,其实路还有很长,比如说移动端爬虫和JS逆向等等。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然达不到大佬的程度,但是精通python是没有问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
。
来源地址:https://blog.csdn.net/javasdn/article/details/132567218
--结束END--
本文标题: Python爬虫(十六)_JSON模块与JsonPath
本文链接: https://www.lsjlt.com/news/382679.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0