5Python标准库系列之json模块

简介:

Python标准库系列之json模块


JSON (JavaScript Object Notation) http://json.org is a subset of JavaScript syntax (ECMA-262 3rd edition) used as a lightweight data interchange format.


JSON通常用于在Web客户端和服务器数据交换,即把字符串类型的数据转换成Python基本数据类型或者将Python基本数据类型转换成字符串类型

常用方法

方法 说明
json.loads(obj) 将字符串序列化成Python的基本数据类型,注意单引号与双引号
json.dumps(obj) 将Python的基本数据类型序列化成字符串
json.load(obj) 读取文件中的字符串,序列化成Python的基本数据类型
json.dump(obj) 将Python的基本数据类型序列化成字符串并写入到文件中

实例

  • 将字符串序列化成字典

创建一个字符串变量dict_str

1
2
3
4
>>> dict_str  =  '{"k1":"v1","k2":"v2"}'
# 数据类型为str
>>>  type (dict_str)
< class  'str' >

将字符串变量dict_str序列化成字典格式

1
2
>>>  import  json
>>> dict_json  =  json.loads(dict_str)

查看数据类型并输出内容

1
2
3
4
5
>>>  type (dict_json)
# 数据类型被序列化成字典格式了
< class  'dict' >
>>> dict_json
{ 'k1' 'v1' 'k2' 'v2' }
  • 将一个列表类型的变量序列化成字符串类型

创建一个列表json_li

1
2
3
4
>>> json_li  =  [ 11 , 22 , 33 , 44 ]  
# 数据类型为list
>>>  type (json_li)
< class  'list' >
  • 将字符串类型转换为Python的基本数据类型

1
2
>>>  import  json
>>> json_str  =  json.dumps(json_li)

查看数据类型

1
2
3
4
5
# 为str
>>>  type (json_str)
< class  'str' >
>>> json_str
'[11, 22, 33, 44]'
  • 把字典当作字符串存入db文件当中

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# 创建一个字典的数据类型
>>> dic  =  { "k1" : 123 , "k2" : 456 }
# 输出类型及内容
>>>  print ( type (dic),dic)
(< type  'dict' >, { 'k2' 456 'k1' 123 })
# 导入json模块
>>>  import  json
# 将dic转换为字符串并且写入到当前目录下面的db文件内,如果没有该文件则创建
>>> json.dump(dic, open ( "db" , "w" ))
# 导入os模块查看
>>>  import  os
# 查看当前目录下面的文件
>>> os.system( "ls -l" )
total  8
- rw - r - - r - -  1  root root  22  May  20  23 : 54  db
0
# 查看文件db的内容那个,最后面那个0是代表命令执行成功
>>> os.system( "cat db" )
{ "k2" 456 "k1" 123 } 0
  • 读取文件内容,把读取出来的字符串转换成Python的基本数据类型

1
2
3
4
5
# 读取当前目录下面的db文件,把内容转换为Python的基本数据类型并赋值给result
>>> result  =  json.load( open ( "db" , "r" ))
# 查看对象result的数据类型及内容
>>>  print ( type (result),result)
(< type  'dict' >, {u 'k2' 456 , u 'k1' 123 })









本文转自 Edenwy  51CTO博客,原文链接:http://blog.51cto.com/edeny/1925721,如需转载请自行联系原作者
目录
相关文章
|
3天前
|
算法 Python
请解释Python中的关联规则挖掘以及如何使用Sklearn库实现它。
使用Python的mlxtend库,可以通过Apriori算法进行关联规则挖掘。首先导入TransactionEncoder和apriori等模块,然后准备数据集(如购买行为列表)。对数据集编码并转换后,应用Apriori算法找到频繁项集(设置最小支持度)。最后,生成关联规则并计算置信度(设定最小置信度阈值)。通过调整这些参数可以优化结果。
25 9
|
3天前
|
索引 Python
如何在Python中使用Pandas库进行季节性调整?
在Python中使用Pandas和Statsmodels进行季节性调整的步骤包括:导入pandas和seasonal_decompose模块,准备时间序列DataFrame,调用`seasonal_decompose()`函数分解数据为趋势、季节性和残差,可选地绘制图表分析,以及根据需求去除季节性影响(如将原始数据减去季节性成分)。这是对时间序列数据进行季节性分析的基础流程。
19 2
|
1天前
|
数据挖掘 数据处理 索引
如何使用Python的Pandas库进行数据筛选和过滤?
Pandas是Python数据分析的核心库,提供DataFrame数据结构。基本步骤包括导入库、创建DataFrame及进行数据筛选。示例代码展示了如何通过布尔索引、`query()`和`loc[]`方法筛选`Age`大于19的记录。
5 0
|
2天前
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名
【4月更文挑战第22天】Pandas Python库提供数据排序和排名功能。使用`sort_values()`按列进行升序或降序排序,如`df.sort_values(by=&#39;A&#39;, ascending=False)`。`rank()`函数用于计算排名,如`df[&#39;A&#39;].rank(ascending=False)`。多列操作可传入列名列表,如`df.sort_values(by=[&#39;A&#39;, &#39;B&#39;], ascending=[True, False])`和分别对&#39;A&#39;、&#39;B&#39;列排名。
13 2
|
3天前
|
Python
如何使用Python的Pandas库进行数据缺失值处理?
Pandas在Python中提供多种处理缺失值的方法:1) 使用`isnull()`检查;2) `dropna()`删除含缺失值的行或列;3) `fillna()`用常数、前后值填充;4) `interpolate()`进行插值填充。根据需求选择合适的方法处理数据缺失。
29 9
|
4天前
|
数据挖掘 API 数据安全/隐私保护
python请求模块requests如何添加代理ip
python请求模块requests如何添加代理ip
|
4天前
|
缓存 自然语言处理 数据处理
Python自然语言处理面试:NLTK、SpaCy与Hugging Face库详解
【4月更文挑战第16天】本文介绍了Python NLP面试中NLTK、SpaCy和Hugging Face库的常见问题和易错点。通过示例代码展示了如何进行分词、词性标注、命名实体识别、相似度计算、依存关系分析、文本分类及预训练模型调用等任务。重点强调了理解库功能、预处理、模型选择、性能优化和模型解释性的重要性,帮助面试者提升NLP技术展示。
22 5
|
5天前
|
Python
如何使用Python的Plotly库创建交互式图表?
Plotly是Python的交互式图表库,支持多种图表类型,如折线图、散点图、柱状图。使用步骤包括安装库、导入模块、准备数据、创建图表对象、添加数据和设置属性,最后显示或保存图表。
16 6
|
5天前
|
机器学习/深度学习 数据采集 算法
请解释Python中的Sklearn库以及它的主要用途。
Sklearn是Python的机器学习库,提供数据预处理、特征选择、分类回归、聚类、模型评估和参数调优等工具。包含监督和无监督学习算法,如SVM、决策树、K-means等,并提供样例数据集便于实践。它是进行机器学习项目的重要资源。
13 1
|
5天前
|
XML 数据采集 自然语言处理
请解释Python中的BeautifulSoup库以及它的主要用途。
BeautifulSoup是Python的HTML/XML解析库,用于数据提取和网页抓取。它提供树形结构解析文档,支持查找、访问和修改元素。主要用途包括网页抓取、数据清洗、自动化测试、内容生成、网站开发及与其他库集成,如Requests和Scrapy。适用于各种数据处理场景。
9 1