我们知道在爬虫的过程中我们对于爬取到的网页数据需要进行解析,因为大多数数据是不需要的,所以我们需要进行数据解析,常用的数据解析方式有正则表达式,xpath,bs4。
这次我们来介绍一下另一个数据解析库–jsonpath,在此之前我们需要先了解一下什么是json。欢迎收藏学习,喜欢点赞支持。
一、初识JsonJSON(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 2.7及之后版本,自带了JSON模块,直接import json就可以使用了。
官方文档:http://docs.python.org/library/json.html
Json在线解析网站:http://·/#
二、Json的基本使用简介
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。
使用
json模块提供了四个功能:dumps、dump、loads、load,用于字符串 和 python数据类型间进行转换。
把Json格式字符串解码转换成Python对象 从json到python的类型转化对照如下:
结果如下:
{‘city’: ‘广州’, ‘name’: ‘小黑’}
2. json.load()读取文件中json形式的字符串元素 转化成python类型
import json s = json.load(open('test.json','r',encoding='utf-8')) print(s,type(s))结果如下:
{‘city’: ‘广州’, ‘name’: ‘小黑’} <class ‘dict’>
3. json.dumps()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
import json listStr = [1, 2, 3, 4] dictStr = {"city": "北京", "name": "大猫"} s1 = json.dumps(listStr) s2 = json.dumps(dictStr,ensure_ascii=False) print(s1,type(s1)) print(s2)结果如下:
[1, 2, 3, 4] <class ‘str’>{“city”: “北京”, “name”: “大猫”} <class ‘str’>
注意:
json.dumps() 序列化时默认使用的ascii编码
添加参数 ensure_ascii=False 禁用ascii编码,按utf-8编码
4. json.dump()将Python内置类型序列化为json对象后写入文件
import json json_info = "{'age': '12'}" file = open('ceshi.json','w',encoding='utf-8') json.dump(json_info,file)结果如下:
ceshii,json(目录文件产生)
三、JsonPathJsonPath 是一种信息抽取类库,是从JSON文档中抽取指定信息的工具,提供多种语言实现版本,包括:Javascript, Python, PHP 和 Java。
JsonPath 对于 JSON 来说,相当于 XPATH 对于 XML。
下载地址:https://pypi.python.org/pypi/jsonpath
安装方法:点击Download URL链接下载jsonpath,解压之后执行python setup.py install
官方文档:http://goessner.net/articles/JsonPath
JsonPath与XPath语法对比Json结构清晰,可读性高,复杂度低,非常容易匹配,下表中对应了XPath的用法。
我们爬取淘票票官网的城市信息,保存为json文件,进行jsonpath语法测试,获取所有城市名称。
请求
import requests import time url = 'https://dianying.taobao.com/cityAction.json?activityId&_ksTS=1632211792156_137&jsoncallback=jsonp138&action=cityAction&n_s=new&event_submit_doGetAllRegion=true' headers = { 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.106 Safari/537.36', } res = requests.get(url,headers=headers) result = res.content.decode('utf-8') print(result) # xxx省略注意:
headers里面的键值对最好都加上,还是有反爬的,该网站,这里为了简便省去了;
保存数据
content = result.split('(')[1].split(')')[0] # 由于文件首尾的字符不需要需要剔除掉做字符串切割 with open('tpp.json','w',encoding='utf-8')as fp: fp.write(content)打开json文件如下所示:
解析数据
这里我们获取全部城市名称
import json import jsonpath obj = json.load(open('tpp.json','r',encoding='utf-8')) # 注意,这里是文件的形式,不能直接放一个文件名的字符串 city_list = jsonpath.jsonpath(obj,'$..regionName') # 文件对象 jsonpath语法 print(city_list)结果如下:
五、总结我们知道json是一种常见的数据传输形式,所以对于爬取数据的数据解析,json的相关操作是比较重要的,能够加快我们的数据提取效率,本文简单介绍了json和jsonpath的相关操作,对于测试网站(淘票票)的json做了简单的数据解析,感兴趣的小伙伴可以把其他数据解析一下。
1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,会注明原创字样,如未注明都非原创,如有侵权请联系删除!;3.作者投稿可能会经我们编辑修改或补充;4.本站不提供任何储存功能只提供收集或者投稿人的网盘链接。 |
标签: #python读取json数据 #因为大多数数据是不需要的 #所以我们需要进行数据解析 #常用的数据解析方式有正则表达式 #XPath #bs4