json数据的解析方法数据提取之JSON与JsonPATH

导读背景介绍我们知道再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,xp....背景介绍

我们知道再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。

一、初识Json

JSON(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://www.json.cn/#

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;

1. 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。

2. 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：

JSON	Python
object	dict
array	list
string	unicode
number(int)	int,long
number(real)	float
true(false)	True(False)
	None

1.json.loads

import jsonstrDict = {"city": "广州", "name": "小黑"}r = json.loads(strDict) # json数据自动按Unicode存储print(r)

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 jsons = 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 jsonlistStr = [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：

1. json.dumps 序列化时默认使用的ascii编码

2. 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 jsonjson_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、JsonPath

JsonPath 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。

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。

XPath	JSONPath	描述
/	$	根节点
.	@	现行节点
/	.or	取子节点
..	n/a	取父节点，Jsonpath未支持
//	..	就是不管位置，选择所有符合条件的条件
*	*	匹配所有元素节点
@	n/a	根据属性访问，Json不支持，因为Json是个Key-value递归结构，不需要。
		迭代器表示（可以在里边做简单的迭代操作，如数组下标，根据内容选值等）
|	[,]	支持迭代器中做多选。
	?	支持过滤操作.
n/a		支持表达式计算
	n/a	分组，JsonPath不支持

四、案例测试

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 requestsimport timeurl = https://dianying.taobao.com/cityAction.json?activityId&_ksTS=1632211792156_137&jsoncallback=jsonp138&action=cityAction&n_s=new&event_submit_doGetAllRegion=trueheaders = { 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 jsonimport jsonpathobj = 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。