Python 解析 JSON 数据

Python 是什么？

Python 是一种通用的编程语言，广泛应用于数据分析、人工智能、Web 开发等领域。它具有易于学习、开发效率高、代码可读性强等优点。

Python 主要使用场景

1. 数据分析：Python 在数据分析领域应用非常广泛，能够进行数据清洗、处理、可视化等任务。
2. 人工智能：Python 是人工智能领域的重要语言之一，能够进行机器学习、深度学习等任务。
3. 程序开发：在 Web 开发领域，Python也有着广泛的应用，如 Django 和 Flask 等框架。

当然除了上述这些，Python 也有很多其他的使用场景。它是一种非常强大的编程语言，具有广泛的应用领域和优秀的特性。

JSON 是什么？

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，被广泛应用于 Web 应用程序、移动应用程序、物联网设备等领域中。

JSON 使用易于读写的文本格式来存储和表示数据，数据通常由花括号{ }和方括号[ ]组成，其中花括号表示对象（Object），方括号表示数组（Array）。

对象由键值对组成，键值对之间用逗号,分隔，键和值之间使用冒号:分隔。

值（value）包括：

• 字符串（string）
• 数值(number)
• 布尔值(true/false)
• null
• 对象（object）
• 数组（array）

这些结构可以嵌套。

举个例子：

{
  "name": "Apifox",
  "age": 2,
  "isMale": false,
  "hobbies": ["reading", "traveling", "photography"],
  "address": {
    "city": "Guangzhou",
    "postCode": "510000"
  }
}

上面的 JSON 数据表示个人信息，包括姓名、年龄、身份、爱好和地址。其中，姓名和年龄是字符串和数字类型的键值对，身份是布尔类型的键值对，爱好和地址是数组和对象类型的键值对。

JSON 优点

1. 通过易于读写的文本格式来存储和表示数据。
2. 可以通过编程语言进行解析和生成，可以轻松地传输结构化数据，例如产品目录、用户信息、传感器数据等。
3. 易于理解、易于扩展、易于维护和易于调试。

因此，它在现代软件开发中已经成为一种不可或缺的数据格式。

Python 解析 JSON 数据

在 Python 中，可以使用内置模块json来解析处理 JSON 数据。

序列化和反序列化

序列化是指将数据结构或对象转换为一种特定格式，以便它们可以在不同的系统之间传输或保存在磁盘上。在 Python 中，可以使用 json.dumps() 或 json.dump() 方法将 Python 对象序列化为 JSON 字符串或写入 JSON 文件中。

反序列化是指将序列化的数据结构或对象转换回原始格式。在 Python 中，可以使用 json.loads() 或 json.load() 方法将 JSON 字符串反序列化为 Python 对象，或从 JSON 文件中读取 Python 对象。

Python3 中可以使用 JSON 模块来对 JSON 数据进行编解码，常见函数为：

• json.loads()：将 JSON 中的字符串对象转换为 Python 中的对象；
• json.dumps()：将 Python 中的对象转换为 JSON 中的字符串对象；
• json.load()：读取包含JSON 对象的文件；
• json.dump()：写入 JSON 文件；

编码关系对应表

在 json 的编解码过程中，Python 的原始类型与 json 类型会相互转换，具体的转化对照如下：

Python 编码为 JSON 类型转换对应表：

JSON 解码为 Python 类型转换对应表：

实操举例

json.loads()

在 Python 中，JSON 数据可以表示为一个字符串，可以使用 json.loads() 方法将 JSON 字符串转换为 Python 对象。例如，下面的代码演示了如何解析 JSON 数据：

import json

# 将 JSON 字符串转换为 Python 对象
json_str = '{"name": "John", "age": 30, "city": "Guangzhou"}'
data = json.loads(json_str)

print(data["name"])
print(data["age"])
print(data["city"])

输出结果为：

John
30
Guangzhou

json.dumps()

举个使用 json.dumps() 方法将 Python 对象转换为 JSON 字符串：：

import json

# Python 对象转换为 JSON 字符串
data = {
    "name": "John",
    "age": 30,
    "city": "Guangzhou"
}

json_str = json.dumps(data)

print(json_str)

输出结果为：

{"name": "John", "age": 30, "city": "Guangzhou"}

json.dump() 和 json.load()

如果你要处理的是文件而不是字符串，你可以使用 json.dump() 和 json.load() 来编码和解码JSON数据。

例如：

如何将 Python 对象写入 JSON 文件：

import json

# 写入 JSON 文件
data = {
    "name": "John",
    "age": 30,
    "city": "Guangzhou"
}

with open("data.json", "w") as f:
    json.dump(data, f)

上面的代码将 Python 对象写入了名为 data.json 的文件中。

那如何从 JSON 文件中读取 Python 对象：

import json

# 读取数据
with open("data.json", "r") as f:
    data = json.load(f)

print(data["name"])
print(data["age"])
print(data["city"])

输出结果为：

John
30
Guangzhou

我们从名为 data.json 的文件中读取了数据。

通过 Apifox 生成 JSON 数据

在 Web 开发中，JSON 通常用于前端和后端之间的数据交换。当浏览器与服务器进行通信时，数据通常以 JSON 格式进行编码和解码。

Apifox 是一个 API 设计和管理工具，可以用于创建和管理 API，并且提供了生成 JSON 数据的功能。在项目中新建一条接口后，定义字段名和字段类型，Apifox 可以智能生成符合数据结构的 JSON 数据，供你的项目直接调用。

总结

读到这里以后，相信大家对于如何在 Python 中解析、处理、读写 JSON 数据已经基本掌握了。Python 中的 json 模块提供了丰富的方法，使得开发人员可以轻松地在 Python 中处理 JSON 数据。如果你需要使用 JSON 来构建 API，推荐使用 Apifox 这个产品。 Apifox 是一款在线 API 构建、调试、测试于一体的工具，可以帮助你快速创建和测试 API。它支持 JSON 和其他常见的数据格式，还提供了实时协作和文档自动生成等功能。如果你正在寻找一个易于使用、功能强大的 API 工具，Apifox 是一个不错的选择。

知识扩展：

• Swagger JSON：Swagger 文件中的 JSON 写法详解
• 如何使用 Postman 发送 JSON 数据