网站建设如何报价,保定知名网站建设公司,无需下载即可观看网页,wordpress汉化工具JSON
在JSON格式中#xff0c;{} 和 [] 是两种主要的数据结构#xff0c;分别表示对象#xff08;或称为字典、哈希、map#xff09;和数组#xff08;或称为列表、序列#xff09;。 {} - 对象 在JSON中#xff0c;对象是一组key: value对的集合。这些键必…JSON
在JSON格式中{} 和 [] 是两种主要的数据结构分别表示对象或称为字典、哈希、map和数组或称为列表、序列。 {} - 对象 在JSON中对象是一组key: value对的集合。这些键必须是字符串而值可以是有效的JSON数据类型字符串、数字、对象、数组、true、false或null。 示例: {name: John,age: 30,is_student: false
}这个JSON对象有三个键值对name, age, 和 is_student。 [] - 数组 在JSON中数组是有序的值的集合。这些值可以是任何有效的JSON数据类型。 示例: [apple, banana, cherry]这个JSON数组有三个字符串值。 数组中的值也可以是对象或其他数组这样可以创建复杂的嵌套结构。例如 [{name: John,age: 30},{name: Jane,age: 25}
]在这个例子中JSON数组包含两个对象。
总结在JSON中{}用于表示对象而[]用于表示数组。这两种结构可以嵌套和组合以创建复杂的数据表示。这些结构与Python中的字典dict和列表list非常相似因此在Python和JSON之间进行数据转换时这两种结构通常会相互映射。 在 JSON 中除了对象 {} 和数组 [] 这两种主要的数据结构外没有其他的复杂数据结构。
JSON 支持的基本数据类型有 字符串 (String): 由双引号括起来的字符集合。例如Hello, World! 数字 (Number): 可以是整数或浮点数。例如123, 3.14, -42, 0.001 布尔值 (Boolean): 有两个值true 和 false。 null: 表示一个空值或缺失值。
这些基本数据类型可以与对象 {} 和数组 [] 结合使用形成复杂的数据结构。
例如
{name: John,age: 30,is_student: false,scores: [95, 87, 78],address: {city: New York,zip: 10001},friends: null
}在这个 JSON 数据中
name 的值是一个 字符串。age 的值是一个 数字。is_student 的值是一个 布尔值。scores 的值是一个 数组其中包含三个数字。address 的值是一个 对象其中包含两个键值对。friends 的值是 null。
这些基本数据类型和数据结构使得 JSON 能够表示大多数常见的数据结构从简单的标量值到复杂的嵌套对象和数组。
json.loads()
json.loads() 是 Python 标准库中 json 模块提供的一个函数它用于将一个 JSON 编码的字符串转换为一个 Python 对象。loads 是 “load string” 的缩写。
函数签名
json.loads(s, *, encodingNone, clsNone, object_hookNone, parse_floatNone, parse_intNone, parse_constantNone, object_pairs_hookNone, **kw)参数
s - 这是要解析的 JSON 编码的字符串。
以下参数是可选的
encoding - 这个参数是已弃用的因为 JSON 数据默认为 UTF-8。cls - 自定义的 JSON 解码器。object_hook - 如果指定了此参数它应该是一个函数用于将一个字典转换为另一个对象。parse_float - 使用此参数可以指定一个函数来解析浮点数默认情况下使用 Python 的内置 float() 函数。parse_int - 使用此参数可以指定一个函数来解析整数默认情况下使用 Python 的内置 int() 函数。parse_constant - 使用此参数可以指定一个函数来解析以下字符串-Infinity, Infinity, NaN。object_pairs_hook - 使用此参数可以指定一个函数该函数接受一个键值对列表然后返回一个对象。例如它可以用于创建有序字典。
示例
import jsonjson_string {name: Alice, age: 25, is_student: false}# 使用 json.loads() 转换字符串为字典
data json.loads(json_string)print(type(data)) # class dict
print(data) # {name: Alice, age: 25, is_student: False}注意事项
json.loads() 只接受合法的 JSON 字符串。如果提供的字符串不是有效的 JSON它会引发 json.JSONDecodeError。JSON 的 true, false, 和 null 在 Python 中分别对应为 True, False, 和 None。从不受信任的源获取 JSON 数据时使用 json.loads() 是安全的因为它不会执行任何潜在的危险代码。这与某些其他语言的解析器不同这些解析器可能会执行嵌入在数据中的代码。
总的来说json.loads() 是 Python 中处理 JSON 数据的基本工具它简单、高效、安全。
json.dumps()
json.dumps() 是 Python 标准库中 json 模块提供的一个函数。它用于将 Python 对象序列化为 JSON 格式的字符串。dumps 是 “dump string” 的缩写。
函数签名
json.dumps(obj, *, skipkeysFalse, ensure_asciiTrue, check_circularTrue, allow_nanTrue, clsNone, indentNone, separatorsNone, defaultNone, sort_keysFalse, **kw)参数
obj - 要序列化的 Python 对象。
以下参数是可选的
skipkeys - 默认为 False。如果设置为 True则字典的键不是基本类型 (str, int, float, bool, None) 将被跳过而不是引发 TypeError。ensure_ascii - 默认为 True。如果为 True则输出保证仅包含 ASCII 字符。如果 Python 对象包含非ASCII字符它们将被转义。如果为 False则这些字符将以UTF-8编码输出。check_circular - 默认为 True。检查循环引用。allow_nan - 默认为 True。指定是否允许序列化非数值的浮点值例如Infinity, -Infinity, NaN。cls - 自定义的 JSON 编码器。indent - 可以是整数或字符串指定缩进级别以美化输出的JSON。例如indent4 会使输出具有 4 个空格的缩进。separators - 一个元组指定用于分隔项目和键值对的字符串。default - 指定一个函数用于序列化那些不能默认序列化的 Python 对象。sort_keys - 默认为 False。如果为 True则输出的 JSON 字符串的字典键将被排序。
示例
import jsondata {name: Alice,age: 25,is_student: False
}# 使用 json.dumps() 将字典转换为字符串
json_string json.dumps(data, indent4)print(json_string)输出
{name: Alice,age: 25,is_student: false
}注意事项
Python 的字典顺序在 Python 3.7 中是有保证的但在此之前的版本中并不保证。如果需要保证键的顺序可以使用 sort_keysTrue。并非所有的 Python 对象都可以被序列化为 JSON。例如Python 的 set 类型或自定义对象默认是不能被序列化的。但可以提供一个 default 函数来自定义这些类型的序列化方法。在将数据序列化为 JSON 时请注意大小写。JSON 键通常为小写而 Python 的命名惯例可能与之不同。
总的来说json.dumps() 是 Python 中处理 JSON 数据的基本工具允许开发者以灵活和可控的方式将 Python 对象转换为 JSON 格式的字符串。
综合案例
下面这个例子展示了如何结合使用 json.dumps() 和 json.loads() 在 Python 对象和 JSON 格式的字符串之间进行转换以及如何将 JSON 数据保存到文件和从文件中读取。
让我们考虑一个简单的场景有一个 Python 字典其中包含用户的一些信息我们想将其保存到一个 JSON 文件中并从该文件中读取信息。
首先我们使用 json.dumps() 将字典转换为 JSON 格式的字符串并将其写入文件。然后我们从文件中读取 JSON 字符串并使用 json.loads() 将其解析回 Python 对象。
示例
import json# 定义一个字典其中包含用户的信息
user_data {name: John Doe,age: 30,email: johndoeexample.com,is_member: True
}# 将 Python 字典转换为 JSON 字符串并写入文件
with open(user_data.json, w) as file:json_string json.dumps(user_data, indent4)file.write(json_string)# 从文件中读取 JSON 字符串并转换为 Python 对象
with open(user_data.json, r) as file:data file.read()parsed_data json.loads(data)print(parsed_data)print(fUsers name: {parsed_data[name]})运行结果如下
majntiger:~$ python3 json_demo.py
{name: Mario, age: 30, email: marioexample.com, is_member: True}
Users name: Mario自定义序列化函数
case 1
当我们尝试将一些不能被直接序列化为JSON的Python对象例如自定义对象或Python的set类型转换为JSON时可以使用default参数来指定如何处理这些对象。
下面的例子演示如何使用default参数来序列化一个包含自定义对象的Python列表
import jsonclass Person:def __init__(self, name, age):self.name nameself.age agedef person_encoder(obj):自定义函数将Person对象转换为可序列化的字典if isinstance(obj, Person):return {name: obj.name, age: obj.age}raise TypeError(Object of type Person is not JSON serializable)# 创建一个Person对象列表
people [Person(Alice, 30), Person(Bob, 25)]# 使用json.dumps()和default参数将列表转换为JSON字符串
people_json json.dumps(people, defaultperson_encoder, indent4)print(people_json)输出
[{name: Alice,age: 30},{name: Bob,age: 25}
]在这个例子中我们定义了一个person_encoder函数用于将Person对象转换为可以序列化为JSON的字典。当json.dumps()遇到Person对象时它会调用person_encoder函数进行处理。
这种方法允许开发者为任何不可以直接序列化为JSON的Python对象定义自定义的序列化逻辑。
case 2
当我们尝试将Python的set类型转换为JSON时默认情况下是不支持的因为JSON格式没有与集合相对应的数据类型。但是我们可以使用default参数来自定义set的序列化方式。
一个常见的方法是将set转换为列表因为列表是JSON支持的数据类型。下面是如何使用default参数将set类型转换为JSON的示例
import jsondef set_encoder(obj):自定义函数将set对象转换为列表if isinstance(obj, set):return list(obj)raise TypeError(fObject of type {type(obj).__name__} is not JSON serializable)# 创建一个set
fruits {apple, banana, cherry}# 使用json.dumps()和default参数将set转换为JSON字符串
fruits_json json.dumps(fruits, defaultset_encoder, indent4)print(fruits_json)输出
[banana,cherry,apple
]注意由于集合是无序的所以转换为列表后的元素顺序可能会与原始集合中的顺序不同。
在这个例子中我们定义了一个set_encoder函数用于将set对象转换为列表。当json.dumps()遇到set对象时它会调用set_encoder函数进行处理。这样我们就可以将set类型成功转换为JSON字符串。
