Co to jest Python JSON i jak go wdrożyć?

Czy wiesz, jak przenosić dane z internetowych interfejsów API lub przechowywać różne rodzaje danych na swoich komputerach lokalnych? Tak czy inaczej zanurzyłeś się w JSON, który oznacza Notacja obiektu Java Script. Jest to znany i popularny format danych używany do reprezentowania danych częściowo ustrukturyzowanych. Dowiedz się więcej o szczegółach kodu JSON w języku Python.

W tym artykule zostaną omówione następujące aspekty:

• • Wprowadzenie do JSON w Pythonie
  • Jak czytać plik JSON w Pythonie
  • Rozbiór gramatyczny zdania
    • Konwersja z Pythona do JSON
    • Konwersja z JSON do Pythona
  • Pandy Parsing JSON
  • Serializacja JSON [kodowanie]
  • Ładny druk
  • Deserializacja formatu JSON [dekodowanie]
  • Demonstracja kodowania

Wprowadzenie do JSON w Pythonie:

JSON oznacza jot ava S cript LUB bject N uwagato sposób na przechowywanie informacji w zorganizowany i łatwy sposób. Dane muszą mieć postać tekstu podczas wymiany między przeglądarką a serwerem.

Na wypadek, gdybyś się zastanawiał, czy tak jest ? wtedy odpowiedź brzmi Nie. Jest to skrypt, który składa się z tekstu i służy do przechowywania i przesyłania danych w formacie czytelnym dla człowieka i komputera. Jest to mały, lekki format danych inspirowany JavaScriptem i zwykle używany w formacie tekstowym lub łańcuchowym. Pakiet plików JSON jest prawie identyczny ze słownikiem Pythona. Teraz musisz się zastanawiać

Jak czytać plik JSON w Pythonie?

Odpowiedź na twoje pytanie brzmi: musisz zaimportować moduł JSON, który generalnie konwertuje typy danych Python na plik ciągów JSON. Składa się z funkcji JSON, które odczytują i zapisują bezpośrednio z plików JSON. ma wbudowany pakiet JSON i jest częścią standardowej biblioteki, więc nie musisz go instalować.

Przykład:

import json

Teraz, gdy znasz już JSON w Pythonie, przyjrzyjmy się dokładniej analizowaniu.

Rozbiór gramatyczny zdania:

Biblioteka JSON może analizować JSON z smyczki lub pliki. Może również analizować JSON w lub wypisz i zrób na odwrót. Parsowanie zazwyczaj przebiega w dwóch etapach:

1. Konwersja z JSON do Pythona
2. Konwersja z Pythona do JSON

Lepiej zrozummy oba etapy.

Konwersja z JSON do Python:

Możesz przekonwertować ciąg JSON na Python za pomocąjson.loads ().Pokażę Ci praktyczną implementację:

Przykład:

import json people_string = '' '{' people ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_number': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} ' '' data = json.loads (people_string) print (dane)

Wynik:

Jak widać na powyższym wyjściu, wydrukowano plik . Wydrukujmy typ danych dla lepszego zrozumienia.

Przykład:

import json people_string = '' '{' people ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_number': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} ' '' data = json.loads (people_string) print (type (data)) # drukuje typ danych

Wynik:

Teraz, gdy znasz już jedną konwersję, zobaczmy na drugim etapie inny typ konwersji.

Konwersja z Pythona do JSON:

Obiekt w języku Python można przekonwertować na ciąg JSON przy użyciujson.dumps ().Spójrzmy na przykład podany poniżej:

Przykład:

import json people_string = '' '{' people ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_no.': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} '' 'data = json.loads (people_string) new_string = json.dumps (data) print (new_string)

Wynik:

Dane wyjściowe będą typu łańcucha JSON. Pokazałem już typ danych w konwersji JSON na Python, ta sama procedura zostanie zastosowana do drukowania typu danych.

Przejdźmy dalej i zobaczmy, jak Pandy analizują JSON.

Pandy analizują JSON:

Ciąg JSON można przeanalizować do pliku pandy Dataframe z następujących kroków:

• Następująca struktura ogólna może służyć do załadowania ciągu JSON do DataFrame.

importuj pandy jako pd pd.read_json (r'Path gdzie zapisałeś plik JSON Nazwa pliku.json ')

• Przygotuj ciąg JSON.
• Utwórz plik JSON, którego używamy to nobel_prize.json.
• Załaduj plik JSON do pandy DataFrame.

Poniższy kod zaimplementowany ładuje mój plik JSON do DataFrame.

import pandy as pd import json with open (r'C: UsersHarshit_KantDesktopnobel.prize.json ') as f: data = json.load (f) print (data) df = pd.DataFrame print (df)

Wynik:

Idąc dalej, zobaczmy, jak serializować JSON w Pythonie.

Serializacja JSON [kodowanie]:

Serializacja JSON oznacza po prostu, że kodujesz JSON. Konwertuje podaną strukturę danych Pythona (np. Dict) na jej prawidłowy obiekt JSON. Aby obsłużyć przepływ danych w pliku, biblioteka JSON w Pythonie używa pliku wysypisko() i depresja() metoda, która dokonuje konwersji i ułatwia zapisywanie danych do plików.

Poniżej znajduje się tabela ilustrująca Pyton typy danych konwertowane do odpowiedniego typu JSON.

Punkty do zapamiętania:

wysypisko() - Konwertuje dane do pliku JSON
depresja() - Konwertuje dane na ciąg JSON
Załaduj() - Konwertuje plik JSON na obiekt Pythona
obciążenia () - Konwertuje obiekt ciągu JSON na obiekt w języku Python

Ładne drukowanie:

Pretty Printing dba o wyrównanie kodu i czyni go w formacie czytelnym dla człowieka. Spójrzmy na poniższy przykład, w którym przekazałem dwa parametry „sort_keys”, które zawsze zwracają logiczną wartość True i spacje „wcięcia”.

Przykład:

import json people_string = '' '{' people ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_no.': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} '' 'data = json.loads (people_string) new_string = json.dumps (data, sort_keys = True, indent = 3) print (new_string)

Wynik:

Przechodząc dalej w samouczku Python JSON, pozwól nam zrozumieć deserializację JSON.

Deserializacja JSON [dekodowanie]:

Deserializacja JSON jest dokładnym przeciwieństwem serializacji, tj. Oznacza, że ​​dekodujesz JSON. Konwertuje podany ciąg JSON na plik Pyton obiekt korzystając z Załaduj() i masa() metoda, która dokonuje konwersji.

Poniżej znajduje się tabela ilustrująca konwersję typu danych JSON na odpowiedni typ Pythona.

Przechodząc dalej w samouczku „Python JSON”. Pokażę wam przykład serializacji i deserializacji w czasie rzeczywistym z perspektywy kodowania.

Demonstracja kodowania:

W tej demonstracji kodowania korzystam z otrzymanego zestawu danych JSON o nazwie „Nagroda Nobla” tutaj . Dowiesz się, jak wykonać serializację i deserializację tego samego za pomocą pliku JSON.

Przykład (serializacja zbioru danych JSON):

import json with open ('nobel_prize.json.html') as f: data = json.load (f) with open ('new_nobel_prize.json.html') as f: json.dump (data, f, indent = 2)

Wynik:

jest pomyślnie skompilowany i tworzony jest nowy plik „new_nobel_prize.json”, w którym dane są zrzucane z już istniejącego pliku „nobel_prize.json”.

Przykład (deserializacja zbioru danych JSON):

import json with open ('nobel_prize.json.html') as f: data = json.load (f) for nobel_prize in data ['prizes']: print (nobel_prize ['year'], nobel_prize ['category'])

Wynik:

Fragment kodu przedstawia zmiany z pliku JSON do odpowiedniego obiektu w języku Python.

To prowadzi nas do końca naszego artykułu „Python JSON”. Mam nadzieję, że rozumiesz wszystkie pojęcia związane z JSON, analizowaniem, serializacją i deserializacją.

Upewnij się, że ćwiczysz jak najwięcej i cofnij swoje doświadczenie.

Masz do nas pytanie? Wspomnij o tym w sekcji komentarzy tego artykułu o Pythonie JSON, a my skontaktujemy się z Tobą tak szybko, jak to możliwe. Aby uzyskać dogłębną wiedzę o Pythonie i jego różnych aplikacjach, możesz dzięki naszemu szkoleniu online na żywo z całodobowym wsparciem i dożywotnim dostępem.