python中的json模塊常用方法匯總
更新時間：2022年06月06日 10:43:32 作者：安一缸
這篇文章主要介紹了python中的json模塊常用方法匯總，json模塊可以實現json數據的序列化和反序列化，更多相關資料介紹需要的小伙伴可以參考一下下面文章內容
一、概述
推薦使用參考網站： json
在python中，json模塊可以實現json數據的序列化和反序列化
- 序列化：將可存放在內存中的python 對象轉換成可物理存儲和傳遞的形式
- 實現方法：load() loads()
- 反序列化：將可物理存儲和傳遞的json數據形式轉換為在內存中表示的python對象
- 實現方法：dump() dumps()
二、方法詳解
1.dump()
def dump(obj, fp, *, skipkeys=False, ensure_ascii=True, check_circular=True, ? ? ? ? allow_nan=True, cls=None, indent=None, separators=None, ? ? ? ? default=None, sort_keys=False, **kw):
- 1.把python對象obj轉換成物理表現形式fp流。其中fp的.write()可以支持寫入類文件中
- 2.如果skipkeys是true，那么在處理json對象的時候，僅支持 (str, int, float, bool, None) 這些基本類型的key，如果有非基本類型，就會拋出TypeError異常；如果值為false，那么對于非基本類型，則會拋出TypeError；默認值為false
- 3.如果ensure_ascii是true，那么obj中字符在寫入fp的時候，非ascii字符會被進行轉義；如果值為false，那么對于這些非ascii字符不會進行轉義，會原樣寫入；默認值為true
- 4.如果check_circular是false，那么遇到container類型（list，dict，自定義編碼類型）的時候，不會循環(huán)引用檢查，一旦是循環(huán)引用，結果就是OverflowError；如果值為true，那么會對container類型進行循環(huán)引用檢查，檢查失敗會 raise ValueError(“Circular reference detected”)；默認值是true
- 5.如果allow_nan是false，嚴格遵守json的規(guī)范，對于序列化一些超出float范圍的值（nan, inf, -inf）的時候，會拋出ValueError；如果值為true，那么超過float范圍的值將會使用在JavaScript中的等效值(NaN, Infinity, -Infinity)；默認值為true
- 6.如果indent是一個non-negative （正）整數，那么json中的數組元素和對象元素都將會使用indent單位縮進格式來進行輸出；值為0的時候，就只會插入一個換行符；值為None的時候，會輸出最緊湊的格式
- 7.separators的指定是以元組(item_separator, key_separator)的方式；如果indent=‘None’ 那么該選項的默認值為(', ', ': ')，否則該選項的默認值為(',', ': ')；如果想要緊湊的json表達，那么應該使用(',', ': ')來去除空格
- 8.default(obj)是一個函數，主要是針對于那些無法被直接序列化的對象。該參數可以提供一個默認的序列化版本，否則就會拋出一個TypeError。默認是拋出TypeError
- 9.如果sort_keys是true，那么輸出的時候會根據key進行排序，默認值是false可以指定一個JSONEncoder的子類，來序列化其他的類型，可以通過cls或者是JSONEncoder參數來指定
2.dumps
def dumps(obj, *, skipkeys=False, ensure_ascii=True, check_circular=True, ? ? ? ? allow_nan=True, cls=None, indent=None, separators=None, ? ? ? ? default=None, sort_keys=False, **kw):
4.把obj序列化成一個json格式的字符串，并返回該字符串支持的python內置可進行json序列化的類型有(str, int, float, bool, None，list，tuple，dict)如果無法序列化的類型，會拋出TypeError
2.其他參數同上解釋
3.load
def load(fp, *, cls=None, object_hook=None, parse_float=None, ? ? ? ? parse_int=None, parse_constant=None, object_pairs_hook=None, **kw):
- 1.把物理表現形式fp流（fp.read()的返回需要是一個json格式）反序列化成一個python對象
- 2.object_hook是一個可選的函數，主要用來對直接反序列化之后的結果進行二次加工；object_hook的參數只有一個，是dict，該dict也是反序列化的直接結果；object_hook的返回值為load方法的返回值 ；這個功能一般是用來自定義解碼器，例如JSON-RPC
- 3.object_pairs_hook是一個可選的函數，主要用來對直接反序列化之后的結果進行二次加工；object_pairs_hook的參數只有一個，是list(tuple)，該list(tuple)也是反序列化的直接結果；object_pairs_hook的返回值為load方法的返回值 ；這個功能一般是用來自定義解碼器，例如JSON-RPC;在同時指定了object_hook和object_pairs_hook的時候，object_pairs_hook的優(yōu)先級高于object_hook
- 4.cls的關鍵字參數，支持使用自定義的JSONDecoder的子類；如果不指定，默認使用JSONDecoder
4.loads
def loads(s, *, cls=None, object_hook=None, parse_float=None, ? ? ? ? parse_int=None, parse_constant=None, object_pairs_hook=None, **kw):
- 1.反序列化一個s（包含json文本的str，bytes，bytearray的實例對象）到一個python對象
- 2.object_hook 同上
- 3.object_pairs_hook同上
- 4.parse_float 如果定義了，那么會在對json字符串中的每一個float進行解碼的時候調用；默認情況下等價于 float(num_str)；也可以使用其他的數據類型，如(e.g. decimal.Decimal)
- 5.parse_int 如果定義了，那么會在對json字符串中的每一個float進行解碼的時候調用；默認情況下，等價于 int(num_str)；也可使用其他針對于json中的integer的datatype或者是parser
6.parse_constant 如果定義了，那么在碰到-Infinity, Infinity, NaN.這些的時候會被調用；如果遇到無效的json符號，會拋出異常
三、代碼實戰(zhàn)
1.dumps()
import json
if __name__ == '__main__':
? ? # 測試格式化非json格式數據
? ? print('-------------測試格式化非json格式數據----------------')
? ? a = json.dumps(2.0)
? ? print(a, type(a))
? ? a = json.dumps(tuple())
? ? print(a, type(a))
? ? a = json.dumps([])
? ? print(a, type(a))
? ? # 測試格式化json格式數據
? ? print('-------------測試格式化json格式數據----------------')
? ? j = {'a': 1, 'b': 6}
? ? a = json.dumps(j)
? ? print(a, type(a))
? ? # 測試skipkeys參數
? ? print('-------------測試skipkeys參數----------------')
? ? j = {'a': 1, tuple(): 6}
? ? a = json.dumps(j, skipkeys=True)
? ? print(a, type(a))
? ? # 測試indent參數
? ? print('-------------測試indent默認參數----------------')
? ? j = {'a': 1, 'b': 234}
? ? a = json.dumps(j)
? ? print(a, type(a))
? ? print('-------------測試indent=0參數----------------')
? ? a = json.dumps(j, indent=0)
? ? print(a, type(a))
? ? print('-------------測試indent=2參數----------------')
? ? a = json.dumps(j, indent=2)
? ? print(a, type(a))
? ? print('-------------測試separators參數----------------')
? ? a = json.dumps(j, separators=('[', ']'))
? ? print(a, type(a))
2.dump()
import json
if __name__ == '__main__':
? ? # 測試格式化非json格式數據
? ? fp = open('./json_dump_data', mode='w')
? ? print('-------------測試格式化非json格式數據----------------')
? ? a = json.dump(2.0, fp)
? ? fp.write('\n')
? ? a = json.dump(tuple(), fp)
? ? a = json.dump([], fp)
? ? fp.write('\n')
? ? # 測試格式化json格式數據
? ? j = {'a': 1, 'b': 6}
? ? a = json.dump(j, fp)cat json_dump_data：
1和2中很多參數都是相同的，這里就不再詳述3.load()
import json
if __name__ == '__main__':
? ? j = open('./json_data', mode='r')
? ? # 測試默認參數
? ? a = json.load(j)
? ? print('-------------測試默認參數----------------')
? ? print(a)
? ? # 測試object_hook參數
? ? j = open('./json_data', mode='r')
? ? a = json.load(j, object_hook=lambda x: x.get('b'))
? ? print('-------------測試object_hook參數----------------')
? ? print(a)
? ? # 測試object_pairs_hook參數
? ? j = open('./json_data', mode='r')
? ? loads = json.load(j, object_pairs_hook=lambda x: print(type(x), type(x[2])))
? ? print('-------------測試object_pairs_hook參數----------------')
? ? print(loads)
? ? # 測試parse_constant參數
? ? j = open('./json_data', mode='r')
? ? loads = json.load(j, parse_constant=lambda x: 'not notification')
? ? print('-------------測試parse_constant參數----------------')
? ? print(loads)
? ? # 測試parse_int參數
? ? j = open('./json_data', mode='r')
? ? loads = json.load(j, parse_int=lambda x: 'cutomer int')
? ? print('-------------測試parse_int參數----------------')
? ? print(loads)
? ? # 測試parse_float參數
? ? j = open('./json_data', mode='r')
? ? loads = json.load(j, parse_float=lambda x: 'cutomer float')
? ? print('-------------測試parse_float參數----------------')
? ? print(loads)
注：
因為load方法的底層是調用了fp.read()，所以每一次重新調用load的時候都需要重新打開文件句柄。不然就會導致在第二次調用load方法的時候，就會因為fp.read()返回的是none就導致異常
4.loads()
import json
if __name__ == '__main__':
? ? j = '{"a":1,"b":2.0,"c":Infinity}'
? ? # 測試默認參數
? ? a = json.loads(j)
? ? print('-------------測試默認參數----------------')
? ? print(a)
? ? # 測試object_hook參數
? ? a = json.loads(j, object_hook=lambda x: x.get('b'))
? ? print('-------------測試object_hook參數----------------')
? ? print(a)
? ? # 測試object_pairs_hook參數
? ? loads = json.loads(j, object_pairs_hook=lambda x: print(type(x), type(x[2])))
? ? print('-------------測試object_pairs_hook參數----------------')
? ? print(loads)
? ? # 測試parse_constant參數
? ? loads = json.loads(j, parse_constant=lambda x: 'not notification')
? ? print('-------------測試parse_constant參數----------------')
? ? print(loads)
? ? # 測試parse_int參數
? ? loads = json.loads(j, parse_int=lambda x: 'cutomer int')
? ? print('-------------測試parse_int參數----------------')
? ? print(loads)
? ? # 測試parse_float參數
? ? loads = json.loads(j, parse_float=lambda x: 'cutomer float')
? ? print('-------------測試parse_float參數----------------')
? ? print(loads)
到此這篇關于python中的json模塊常用方法匯總的文章就介紹到這了,更多相關python json模塊 內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了python常見數制轉換,實例分析了二進制、八進制、十進制及十六進制之間的相互轉換技巧,需要的朋友可以參考下2015-05-05
本文主要介紹了np.newaxis()函數的具體使用，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-03-03
Python中numpy的np.percentile百分位函數舉例詳解
在python中計算一個多維數組的任意百分比分位數,此處的百分位是從小到大排列,只需用np.percentile即可,這篇文章主要給大家介紹了關于Python中numpy的np.percentile百分位函數的相關資料,需要的朋友可以參考下2024-08-08
這篇文章主要介紹了python中的各種運算符，主要包括內容有比較運算符、?賦值運算符、位運算符、邏輯運算符、?成員運算符的相關介紹，需要的小伙伴可以參考一下2022-04-04
這篇文章主要介紹了jupyter notebook快速入門及使用詳解，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-11-11
基于PyTorch的permute和reshape/view的區(qū)別介紹
這篇文章主要介紹了基于PyTorch的permute和reshape/view的區(qū)別介紹，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
今天小編就為大家分享一篇關于Python中的集合介紹，小編覺得內容挺不錯的，現在分享給大家，具有很好的參考價值，需要的朋友一起跟隨小編來看看吧2021-09-09
這篇文章主要介紹了Python魔術方法的的相關資料，文章講解非常細致，代碼幫助大家更好的理解和學習，感興趣的朋友可以了解下2020-06-06
ipython jupyter notebook中顯示圖像和數學公式實例
這篇文章主要介紹了ipython jupyter notebook中顯示圖像和數學公式實例，具有很好的參考價值，希望對有所幫助。一起跟隨小編過來看看吧2020-04-04
這篇文章主要介紹了selenium如何定位span元素的實現，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2021-01-01