Python爬虫之json模块与jsonpath模块

python

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相比较可谓不相上下。

Python 3.X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

json简单来说就是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{key1: value1, key2:value2, ...}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。

数组:数组在js中是[ ]括起来的内容,数据结构为['Python', ‘JavaScript', 'C++', ...],取值方式和所有语言一样,使用索引获取,字段值的类型可以是数字、字符串、数组、对象。

json模块

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.dumps()

实现Python类型转化为Json字符串,返回一个str对象,从Python到Json的类型转换对照如下:

#!/usr/bin/python3

# -*- coding:utf-8 -*-

 

import json

 

listStr = [1, 2, 3, 4]

tupleStr = (1, 2, 3, 4)

dictStr = {"city": "北京", "name": "蚂蚁"}

 

print(json.dumps(listStr))

# [1, 2, 3, 4]

 

print(type(json.dumps(listStr)))

# <class 'str'>

 

print(json.dumps(tupleStr))

# [1, 2, 3, 4]

 

print(type(json.dumps(tupleStr)))

# <class 'str'>

 

# 注意:json.dumps() 序列化时默认使用的ascii编码

# 添加参数 ensure_ascii=False 禁用ascii编码,按utf-8编码

print(json.dumps(dictStr, ensure_ascii = False))

# {"city": "北京", "name": "蚂蚁"}

 

print(type(json.dumps(dictStr, ensure_ascii = False)))

# <class 'str'>

2.json.dump()

 将Python内置类型序列化为Json对象后写入文件

#!/usr/bin/python3

# -*- coding:utf-8 -*-

 

import json

 

listStr = [{"city": "北京"}, {"name": "蚂蚁"}]

json.dump(listStr, open("listStr.json", "w", encoding = "utf-8"), ensure_ascii = False)

 

dictStr = {"city": "北京", "name": "蚂蚁"}

json.dump(dictStr, open("dictStr.json", "w", encoding = "utf-8"), ensure_ascii = False)

相关推荐:《Python相关教程》

3.json.loads()

把Json格式字符串解码转换成Python对象,从Json到Python的类型转换对照如下:

#!/usr/bin/python3

# -*- coding:utf-8 -*-

__author__ = 'mayi'

 

import json

 

strList = '[1, 2, 3, 4]'

 

strDict = '{"city": "北京", "name": "蚂蚁"}'

 

print(json.loads(strList))

# [1, 2, 3, 4]

 

# json数据自动按utf-8存储

print(json.loads(strDict))

# {'city': '北京', 'name': '蚂蚁'}

4.json.load()

读取文件中Json形式的字符串,转换成Python类型

#!/usr/bin/python3

# -*- coding:utf-8 -*- 

import json

 

strList = json.load(open("listStr.json", "r", encoding = "utf-8"))

print(strList)

# [{'city': '北京'}, {'name': '蚂蚁'}]

 

strDict = json.load(open("dictStr.json", "r", encoding = "utf-8"))

print(strDict)

# {'city': '北京', 'name': '蚂蚁'}

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:下载后解压之后执行 python setup.py install

官方文档:http://goessner.net/articles/JsonPath

JsonPath与XPath语法对比:

JsonPath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。

示例:

以拉勾网城市JSON文件:http://www.lagou.com/lbs/getAllCitySearchLabels.json 为例,获取所有的城市名称。

#!/usr/bin/python3

# -*- coding:utf-8 -*-

 

import urllib.request

import json

import jsonpath

 

# 拉勾网城市JSON文件

url = 'http://www.lagou.com/lbs/getAllCitySearchLabels.json'

# User-Agent头

header = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36'}

 

# url 连同 headers,一起构造Request请求,这个请求将附带 chrome 浏览器的User-Agent

request = urllib.request.Request(url, headers = header)

 

# 向服务器发送这个请求

response = urllib.request.urlopen(request)

 

# 获取页面内容:bytes

html = response.read()

 

# 转码:bytes转str

html = html.decode("utf-8")

 

# 把json格式字符串转换成python对象

obj = json.loads(html)

 

# 从根节点开始,匹配name节点

city_list = jsonpath.jsonpath(obj, '$..name')

 

# 打印获取的name节点

print(city_list)

# 打印其类型

print(type(city_list))

 

# 写入本地磁盘文件

with open("city.json", "w", encoding = "utf-8") as f:

    content = json.dumps(city_list, ensure_ascii = False)

    f.write(content)


以上是 Python爬虫之json模块与jsonpath模块 的全部内容, 来源链接: utcz.com/z/523323.html

回到顶部