Python爬虫笔记5-JSON格式数据的提取和保存

环境：python-3.6.5

JSON

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。
Python中自带了json模块，直接import json即可使用

官方文档：http://docs.python.org/librar...
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。

json模块使用

json模块提供了四个功能:dumps,dump,load,loads，用于字符串和python数据类型进行转换。

json.loads()
json.loads()方法将JSON文本字符串转换为Python对象，从JSON到Python的类型转化对照如下：

JSON	Python
object	dict
array	list
string	unicode
number(int)	int
number(real)	float
true	True
false	False
null	None

示例：

import json

# JSON文本字符串
str_list = '["a","b","c","d"]'
str_dict = '{"name":"小白","age":1000}'

# json.loads将文本字符串转化为JSON对象，在Python里就是Python对象了
data_list = json.loads(str_list)
data_dict = json.loads(str_dict)

print(type(data_list))
print(type(data_dict))
print(data_list)
print(data_dict)

运行结果：

<class 'list'>
<class 'dict'>
['a', 'b', 'c', 'd']
{'name': '小白', 'age': 1000}

说明：
JSON文本字符串中，数据应该用双引号括起来，不然会报错误，比如上面str_list和str_dict中的值都应该用双引号，数字就不用。

json.dumps
json.dumps()方法实现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到JSON的类型转化对照如下:

Python	JSON
dict	object
list,tuple	array
str	string
int, float, int- & float-derived Enums	number
True	true
False	false
None	null

示例：

import json

data_list = [1,2,3,4]
data_dict = {'name':'小黑','age':1000}

print(json.dumps(data_list))
print(json.dumps(data_dict))

运行结果：

[1, 2, 3, 4]
{"name": "\u5c0f\u9ed1", "age": 1000}

说明：dumps方法可以将Python数据类型转化为JSON文本字符串，但是可以看到当有中文的时候，转换后中文字符都变成Unicode字符，要输出中文需要设置dumps方法的参数ensure_ascii=True设置为ensure_ascii=False。如下：

print(json.dumps(data_dict,ensure_ascii=False))
# 运行结果：{"name": "小黑", "age": 1000}

此外，如果需要将数据保存为文本的时候，还需要指定文件的编码格式为utf-8，比如将上面的data_dict数据(里面有中文字符)保存为data.json文件，代码如下：

with open('data.json','w',encoding='utf-8') as f:
    f.write(json.dumps(data_dict,ensure_ascii=False))

否则打开保存的文件，会有乱码。

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

# 写入数据到文件
data_list = [{'name':'小白'},{'name':'小黑'}]
with open('data2.json','w',encoding='utf-8') as f:
    json.dump(data_list,f,ensure_ascii=False)
# 从文件读取数据
with open('data2.json','r',encoding='utf-8') as f:
data = json.load(f)
print(data)

参考资料

• 菜鸟教程：Python3 JSON 数据解析
• 静觅崔庆才的个人博客： 5.1.2-JSON文件存储