爬虫之JSON文件存储

一点睛

JSON，全称为JavaScript Object Notation, 也就是JavaScript对象标记，它通过对象和数组的组合来表示数据，构造简洁但是结构化程度非常高，是一种轻量级的数据交换格式。

二对象和数组

在JavaScript语言中，一切都是对象。因此，任何支持的类型都可以通过JSON来表示，例如字符串、数字、对象、数组等，但是对象和数组是比较特殊且常用的两种类型，这里进行说明。

对象：它在JavaScript中是使用花括号{}包裹起来的内容，数据结构为{key1：value1, key2：value2, ...}的键值对结构。在面向对象的语言中，key为对象的属性，value为对应的值。键名可以使用整数和字符串来表示。值的类型可以是任意类型。
数组：数组在JavaScript中是方括号[]包裹起来的内容，数据结构为["java", "javascript", "vb", ...]的索引结构。在JavaScript中，数组是一种比较特殊的数据类型，它也可以像对象那样使用键值对，但还是索引用得多。同样，值的类型可以是任意类型。

所以，一个JSON对象可以写为如下形式：

[{
    "name": "Bob",
    "gender": "male",
    "birthday": "1992-10-18"
}, {
     "name": "Selina",
    "gender": "female",
    "birthday": "1995-10-18"
}]

由中括号包围的就相当于列表类型，列表中的每个元素可以是任意类型，这个示例中它是字典类型，由大括号包围。

JSON可以由以上两种形式自由组合而成，可以无限次嵌套，结构清晰，是数据交换的极佳方式。

三读取JSON

1 点睛

Python为我们提供了简单易用的库来实现JSON文件的读写操作，我们可以调用库的loads()方法将JSON文本字符串转为JSON对象，可以通过dumps()方法将JSON对象转为文本字符串。

2 代码

import json

str = '''
[{
    "name": "Bob",
    "gender": "male",
    "birthday": "1992-10-18"
}, {
    "name": "Selina",
    "gender": "female",
    "birthday": "1995-10-18"
}]
'''
print(type(str))
# 这里有一段JSON形式的字符串，它是str类型，我们用Python将其转换为可操作的数据结构，如列表或字典
# loads()方法将字符串转为JSON对象。
data = json.loads(str)
print(data)
# 由于最外层是中括号，所以最终的类型是列表类型
print(type(data))
# 用索引来获取对应的内容
# 获取第一个元素里的name属性
print(data[0]['name'])
# 通过中括号加0索引，可以得到第一个字典元素，然后再调用其键名即可得到相应的键值。
# 获取键值时有两种方式，一种是中括号加键名，另一种是通过get()方法传入键名。
# 这里推荐使用get()方法，这样如果键名不存在，则不会报错，会返回None。
print(data[0].get('name'))
# 这里我们尝试获取年龄age，其实在原字典中该键名不存在，此时默认会返回None。
# 如果传入第二个参数（即默认值），那么在不存在的情况下返回该默认值。
print(data[0].get('age'))
# get()方法还可以传入第二个参数（即默认值）
print(data[0].get('age', 25))

3 结果

E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/5_1_2.py
<class 'str'>
[{'name': 'Bob', 'gender': 'male', 'birthday': '1992-10-18'}, {'name': 'Selina', 'gender': 'female', 'birthday': '1995-10-18'}]
<class 'list'>
Bob
Bob
None
25

四注意

1 点睛

JSON的数据需要用双引号来包围，不能使用单引号。

2 举例

import json

str = '''
[{
    'name': 'Bob',
    'gender': 'male',
    'birthday': '1992-10-18'
}]
'''
data = json.loads(str)

3 结果

E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/5_1_2.py
Traceback (most recent call last):
  File "E:/WebSpider/5_1_2.py", line 44, in <module>
    data = json.loads(str)
  File "D:\Python36\lib\json\__init__.py", line 354, in loads
    return _default_decoder.decode(s)
  File "D:\Python36\lib\json\decoder.py", line 339, in decode
    obj, end = self.raw_decode(s, idx=_w(s, 0).end())
  File "D:\Python36\lib\json\decoder.py", line 355, in raw_decode
    obj, end = self.scan_once(s, idx)
json.decoder.JSONDecodeError: Expecting property name enclosed in double quotes: line 3 column 5 (char 8)

4 说明

这里会出现JSON解析错误的提示。这是因为这里数据用单引号来包围，请千万注意JSON字符串的表示需要用双引号，否则loads()方法会解析失败。

五读JSON文本

1 准备文本

[{
    "name": "Bob",
    "gender": "male",
    "birthday": "1992-10-18"
}, {
    "name": "Selina",
    "gender": "female",
    "birthday": "1995-10-18"
}]

2 代码

import json
# 从JSON文本中读取内容，例如这里有一个data.文本文件，
# 我们可以先将文本文件内容读出，然后再利用loads()方法转化
with open('data.json', 'r') as file:
    str = file.read()
    data = json.loads(str)
    print(data)

3 说明

E:\WebSpider\venv\Scripts\python.exe E:/WebSpider/5_1_2.py
[{'name': 'Bob', 'gender': 'male', 'birthday': '1992-10-18'}, {'name': 'Selina', 'gender': 'female', 'birthday': '1995-10-18'}]

五输出JSON

1 基本用法

1.1 点睛

我们还可以调用dumps()方法将JSON对象转化为字符串。

1.2 代码

import json

data = [{
    'name': 'Bob',
    'gender': 'male',
    'birthday': '1992-10-18'
}]
with open('data1.json', 'w') as file:
    # 利用dumps()方法，我们可以将JSON对象转为字符串，然后再调用文件的write()方法写入文本
    file.write(json.dumps(data))

1.3 结果文件输出

[{"name": "Bob", "gender": "male", "birthday": "1992-10-18"}]

2 文件保存为JSON格式

2.1 代码

import json

data = [{
    'name': 'Bob',
    'gender': 'male',
    'birthday': '1992-10-18'
}]
# with open('data1.json', 'w') as file:
#     # 利用dumps()方法，我们可以将JSON对象转为字符串，然后再调用文件的write()方法写入文本
#     file.write(json.dumps(data))
with open('data.json', 'w') as file:
    # 再加一个参数indent，代表缩进字符个数
    file.write(json.dumps(data, indent=2))

3 结果文件输出

[
  {
    "name": "Bob",
    "gender": "male",
    "birthday": "1992-10-18"
  }
]

六中文输出

1 错误样例

1.1 代码

import json

data = [{
    'name': '王伟',
    'gender': '男',
    'birthday': '1992-10-18'
}]
with open('data.json', 'w') as file:
    file.write(json.dumps(data, indent=2))

1.2 结果文件输出

[
  {
    "name": "\u738b\u4f1f",
    "gender": "\u7537",
    "birthday": "1992-10-18"
  }
]

1.3 说明

输出的是Unicode字符，这并不是我们想要的结果。因此我们必须对其编码

2 正确样例

2.1 代码

import json

data = [{
    'name': '王伟',
    'gender': '男',
    'birthday': '1992-10-18'
}]
# 为了输出中文，还需要指定参数ensure_ascii为False，另外还要规定文件输出的编码
with open('data.json', 'w', encoding='utf-8') as file:
    file.write(json.dumps(data, indent=2, ensure_ascii=False))

2.1 结果文件输出

[
  {
    "name": "王伟",
    "gender": "男",
    "birthday": "1992-10-18"
  }
]

爬虫之JSON文件存储

猜你喜欢