之前的文章我们已经可以根据 re 模块,Xpath 模块和 BeautifulSoup4 模块来爬取网站上我们想要的数据并且存储在本地,但是我们并没有对存储数据的格式有要求,本章我们就来看数据的存储格式 JSON 及 Python 中的 json 模块。
JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式,它使得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。
Python 中自带了JSON模块,直接import json
就可以使用了。
官方文档: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组两种结构,通过这两种结构可以表示各种复杂的结构
- 对象:对象在js中表示为
{ }
括起来的内容,数据结构为{ key:value, key:value, ... }
的键值对的结构,在面向对象的语言中,key为对象的属性,value为对应的属性值,所以很容易理解,取值方法为 对象.key 获取属性值,这个属性值的类型可以是数字、字符串、数组、对象这几种。- 数组:数组在js中是中括号
[ ]
括起来的内容,数据结构为["Python", "javascript", "C++", ...]
,取值方式和所有语言中一样,使用索引获取,字段值的类型可以是 数字、字符串、数组、对象几种。
Python中 json 模块提供了四个功能:dumps
、dump
、loads
、load
,用于字符串 和 python数据类型间进行转换。
1. json.loads()
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:
1 import json 2 3 strList = ‘[1, 2, 3, 4]‘ 4 strDict = ‘{"city": "北京", "name": "大猫"}‘ 5 6 print(json.loads(strList)) # [1, 2, 3, 4] 7 print(json.loads(strDict)) # {‘city‘: ‘北京‘, ‘name‘: ‘张三‘}
2. json.dumps()
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 类型的转化对照如下:
1 import json 2 3 listStr = [1, 2, 3, 4] 4 tupleStr = (1, 2, 3, 4) 5 dictStr = {"city": "北京", "name": "张三"} 6 7 print(json.dumps(listStr)) # ‘[1, 2, 3, 4]‘ 8 print(json.dumps(tupleStr)) # ‘[1, 2, 3, 4]‘ 9 print(json.dumps(dictStr)) # ‘{"city": "\u5317\u4eac", "name": "\u5f20\u4e09"}‘
3. json.dump()
将Python内置类型序列化为json对象后写入文件
1 import json 2 3 listStr = [{"city": "北京"}, {"name": "张三"}] 4 json.dump(listStr, open("listStr.json", "w")) 5 6 dictStr = {"city": "北京", "name": "李四"} 7 json.dump(dictStr, open("dictStr.json", "w"), ensure_ascii=False) # 添加参数 ensure_ascii=False 禁用ascii编码,按utf-8编码
输出结果:
4. json.load()
读取文件中json形式的字符串元素 转化成python类型
1 import json 2 3 strList = json.load(open("listStr.json")) 4 print(strList) # [{‘city‘: ‘北京‘}, {‘name‘: ‘张三‘}] 5 6 strDict = json.load(open("dictStr.json")) 7 print(strDict) # {‘city‘: ‘北京‘, ‘name‘: ‘李四‘}
JsonPath
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,提供多种语言实现版本,包括: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
JsonPath与XPath语法对比:
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 |
---|---|---|
/ |
$ |
根节点 |
. |
@ |
现行节点 |
/ |
. or[] |
取子节点 |
.. |
n/a | 取父节点,Jsonpath未支持 |
// |
.. |
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 |
@ |
n/a | 根据属性访问,Json不支持,因为Json是个Key-value递归结构,不需要。 |
[] |
[] |
迭代器标示(可以在里边做简单的迭代操作,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 |
示例:
我们以拉勾网城市JSON文件 https://www.lagou.com/lbs/getAllCitySearchLabels.json 为例,获取所有城市。
1 import urllib.request 2 import json 3 import jsonpath 4 import ssl 5 6 # 取消代理验证 7 ssl._create_default_https_context = ssl._create_unverified_context 8 9 url = ‘https://www.lagou.com/lbs/getAllCitySearchLabels.json‘ 10 headers = { 11 "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_3) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36"} 12 # 发送请求 13 request = urllib.request.Request(url, headers=headers) 14 response = urllib.request.urlopen(request) 15 html = response.read().decode("utf-8") 16 # 把json格式字符串转换成python对象 17 jsonobj = json.loads(html) 18 # 从根节点开始,匹配name节点 19 citylist = jsonpath.jsonpath(jsonobj, ‘$..name‘) 20 21 fp = open(‘city.json‘, ‘w‘) 22 content = json.dumps(citylist, ensure_ascii=False) 23 fp.write(content) 24 fp.close()
程序启动后会在本地生成一个 city.json 的文件,结果如下:
原文地址:https://www.cnblogs.com/weijiutao/p/10881893.html