标准库(8)

优质

小牛编辑

140浏览

2023-12-01

所以你们既是神的选民，圣洁蒙爱的人，就要存怜悯、恩慈、谦虚、温柔、忍耐的心。倘若这人与那人有嫌隙，总要彼此包容，彼此饶恕；主怎么饶恕了你们，你们也要怎样饶恕人。在这一切之外，要存着爱心，爱心就是联络全德的。又要叫基督的平安在你们心里作主，你们也为此蒙召，归为一体，且要存感谢的心。(COLOSSIANS 3:12-15)

标准库(8)

JSON

就传递数据而言，XML是一种选择，还有另外一种——JSON，它是一种轻量级的数据交换格式，如果读者要做web编程，则会用到它的。根据维基百科的相关内容，对JSON做如下简介：

JSON（JavaScript Object Notation）是一種由道格拉斯·克羅克福特構想設計、輕量級的資料交換語言，以文字為基礎，且易於讓人閱讀。儘管JSON是Javascript的一個子集，但JSON是獨立於語言的文本格式，並且採用了類似於C語言家族的一些習慣。

关于JSON更为详细的内容，可以参考其官方网站：http://www.json.org

从上述网站摘取部分内容，了解一下JSON的结构：

JSON建构于两种结构：

“名称/值”对的集合（A collection of name/value pairs）。不同的语言中，它被理解为对象（object），纪录（record），结构（struct），字典（dictionary），哈希表（hash table），有键列表（keyed list），或者关联数组（associative array）。
值的有序列表（An ordered list of values）。在大部分语言中，它被理解为数组（array）。

python标准库中有JSON模块，主要是执行序列化和反序列化功能：

序列化：encoding，把一个Python对象编码转化成JSON字符串
反序列化：decoding，把JSON格式字符串解码转换为Python数据对象

基本操作

JSON模块相对XML单纯了很多：

>>> import json>>> json.__all__['dump', 'dumps', 'load', 'loads', 'JSONDecoder', 'JSONEncoder']#Python 3的显示结果如下：['dump', 'dumps', 'load', 'loads', 'JSONDecoder', 'JSONDecodeError', 'JSONEncoder']

encoding: dumps()

>>> data = [{"name":"qiwsir", "lang":("python", "english"), "age":40}]>>> data[{'lang': ('python', 'english'), 'age': 40, 'name': 'qiwsir'}]>>> data_json = json.dumps(data)>>> data_json'[{"lang": ["python", "english"], "name": "qiwsir", "age": 40}]'

encoding的操作是比较简单的，请注意观察data和data_json的不同——lang的值从元组变成了列表，还有不同：

>>> type(data_json)<type 'str'>>>> type(data)<type 'list'>

decoding: loads()

decoding的过程也像上面一样简单：

>>> new_data = json.loads(data_json)>>> new_data[{u'lang': [u'python', u'english'], u'age': 40, u'name': u'qiwsir'}]

需要注意的是，解码之后，并没有将元组还原。

上面的data都不是很长，还能凑合阅读，如果很长了，阅读就有难度了。所以，JSON的dumps()提供了可选参数，利用它们能在输出上对人更友好（这对机器是无所谓的）。

>>> data_j = json.dumps(data, sort_keys=True, indent=2)>>> print data_j        #Python 3: print(data_j)[  {    "age": 40,     "lang": [      "python",       "english"    ],     "name": "qiwsir"  }]

sort_keys=True意思是按照键的字典顺序排序，indent=2是让每个键值对显示的时候，以缩进两个字符对齐。这样的视觉效果好多了。

大json字符串

如果数据不是很大，上面的操作足够了。但现在是所谓“大数据”时代了，随便一个什么业务都在说自己是大数据，显然不能总让JSON很小，事实上真正的大数据，再“大”的JSON也不行了。前面的操作方法是将数据都读入内存，如果数据太大了就会内存溢出。怎么办？JSON提供了load()和dump()函数解决这个问题，注意，跟上面已经用过的函数相比，是不同的，请仔细观察。

>>> import tempfile    #临时文件模块>>> data[{'lang': ('python', 'english'), 'age': 40, 'name': 'qiwsir'}]>>> f = tempfile.NamedTemporaryFile(mode='w+')>>> json.dump(data, f)>>> f.flush()>>> print open(f.name, "r").read()        #Python 3: print(open(f.name, "r").read())[{"lang": ["python", "english"], "age": 40, "name": "qiwsir"}]

自定义数据类型

一般情况下，用的数据类型都是Python默认的。但是，我们学习过类后，就知道，自己可以定义对象类型的。比如：

以下代码参考：Json概述以及python对json的相关操作

#!/usr/bin/env python# coding=utf-8import jsonclass Person(object):    def __init__(self,name,age):        self.name = name        self.age = age    def __repr__(self):        return 'Person Object name : %s , age : %d' % (self.name,self.age)def object2dict(obj):    #convert Person to dict    d = {}    d['__class__'] = obj.__class__.__name__    d['__module__'] = obj.__module__    d.update(obj.__dict__)    return ddef dict2object(d):     #convert dict ot Person    if '__class__' in d:        class_name = d.pop('__class__')        module_name = d.pop('__module__')        module = __import__(module_name)        class_ = getattr(module, class_name)        args = dict((key.encode('ascii'), value) for key,value in d.items())    #get args        inst = class_(**args)    #create new instance    else:        inst = d    return instif __name__  == '__main__':    p = Person('Peter',40)    print p    d = object2dict(p)    print d    o = dict2object(d)    print type(o), o    dump = json.dumps(p, default=object2dict)    print dump    load = json.loads(dump, object_hook=dict2object)    print load