Python基础库-json库

简介: 学习Python基础库-json库。

文章目录


json介绍

json 特点

json 文件的处理

json 语法规则

json 键

json 文件的书写

读取json文件


1 JSON介绍


JSON的全称是JavaScript Object Notation",是JavaScript对象表示法, 它是一种基于文本,独立于语言的轻量级数据交换格式。


json介绍

json基于文本,独立于语言的轻量级的数据交换格式
-基于文本,是一个文本文件
-独立于语言,不是某个语言特有的,每种编程语言都可以使用的
-轻量级,相同的数据,和其他格式相比,占用的大小比较小
-数据交换格式,后端程序员给前端的数据(json,html xml 等)

json 特点

1.JSON是纯文本
2.JSON具有良好的自我描述性,便于阅读和编写
3.JSON具有清断的层级结构
4.有效地提升网络传输效率

json 文件的处理

json 文件也是一个文本文件,就可以直接使用read( )和write() 方法
去操作文件,只是使用这两个方法,不方便,所以对json文件有自己独特的读
取和写入的方法
常用在在做测试的时候,将测试数据定义为json 文件格式,使用代码读取
json文件,即读取测试数据,进行传参(参数化)

微信图片_20221011232903.png微信图片_20221011232909.png

json 语法规则

-大括号保存对象
-中括号保存数组
-对象数组可以相互嵌套
-数据采用键值对标识
-多个数组由逗号分隔
1.json 文件的后缀为 .json
2.json 中主要数据类型为 对象({} 类似 python 中 字典) 和 数组([] 类似 python 中的列表),对象和数组可以互相嵌套
3.一个json 文件是一个对象或者数组( 即 json 文件的最外层要么是一个{},要么是一个数组[])
4. json中的对象是由键值对组成的,每个数据之间使用逗号隔开,但是最后
一个数据后边不要写逗号
5. json中的字符串必须使用双引号
6. json中的其他数据类型
>数字类型----> int float
> string字符串 ---> str
>布尔类型true, false -----> True, False
>null ----> None

json 键


JSON的键必须是字符串类型,用英文双引号扩起来


json 文件的书写

需求:
我叫小明,我今年18岁,性别男,爱好听歌,游戏,购物,吃饭,睡觉,打豆豆,
我的居住地址为国家中国,城市北京
ptyhon -字典
json -对象
{
  "name": "小明",
  "age": 18,
  "isMen": true,
  "like": [
    "听歌",
    "游戏",
    "购物",
    "睡觉",
    "打豆豆"
  ],
  "address": {
    "country": "中国",
    "city": "北京"
  }
}

ctrl + alt + L 可以格式化语法


读取json文件

1.导包import json 
2.读打开文件
3.读文件
json. load(文件对象)
#返回的是字典(文件中是对象)或者列表(文件中是数组)
# 1, 导入 json
import json
# 2, 读打开文件
with open('06.json', encoding='gbk') as f:
    # buf = f.read()
    # print(type(buf), buf)
    result = json.load(f)
    print(type(result)) # <class 'dict'>
    # 获取姓名
    print(result.get('name'))
    # 获取年龄
    print(result.get('age'))
    # 获取城市
    print(result.get('address').get('city'))
输出结果:
<class 'dict'>
tom
18
北京


相关文章
|
10天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
13天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
40 0
|
7天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
20 4
|
7天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
16 2
|
12天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
33 7
|
8天前
|
JSON 数据格式 索引
Python中序列化/反序列化JSON格式的数据
【11月更文挑战第4天】本文介绍了 Python 中使用 `json` 模块进行序列化和反序列化的操作。序列化是指将 Python 对象(如字典、列表)转换为 JSON 字符串,主要使用 `json.dumps` 方法。示例包括基本的字典和列表序列化,以及自定义类的序列化。反序列化则是将 JSON 字符串转换回 Python 对象,使用 `json.loads` 方法。文中还提供了具体的代码示例,展示了如何处理不同类型的 Python 对象。
|
12天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
20 3
|
5天前
|
数据采集 数据可视化 数据挖掘
利用Python进行数据分析:Pandas库实战指南
利用Python进行数据分析:Pandas库实战指南
|
12天前
|
文字识别 自然语言处理 API
Python中的文字识别利器:pytesseract库
`pytesseract` 是一个基于 Google Tesseract-OCR 引擎的 Python 库,能够从图像中提取文字,支持多种语言,易于使用且兼容性强。本文介绍了 `pytesseract` 的安装、基本功能、高级特性和实际应用场景,帮助读者快速掌握 OCR 技术。
29 0
|
22天前
|
数据采集 JSON 数据处理
抓取和分析JSON数据:使用Python构建数据处理管道
在大数据时代,电商网站如亚马逊、京东等成为数据采集的重要来源。本文介绍如何使用Python结合代理IP、多线程等技术,高效、隐秘地抓取并处理电商网站的JSON数据。通过爬虫代理服务,模拟真实用户行为,提升抓取效率和稳定性。示例代码展示了如何抓取亚马逊商品信息并进行解析。
抓取和分析JSON数据:使用Python构建数据处理管道