【Python】一文带你了解并使用 Json 模块_python json

 

作者主页：爱笑的男孩。的博客_CSDN博客-深度学习,活动,python领域博主爱笑的男孩。擅长深度学习,活动,python,等方面的知识,爱笑的男孩。关注算法,python,计算机视觉,图像处理,深度学习,pytorch,神经网络,opencv领域.https://blog.csdn.net/Code_and516?type=blog个人简介：打工人。

持续分享：机器学习、深度学习、python相关内容、日常BUG解决方法及Windows&Linux实践小技巧。

如发现文章有误，麻烦请指出，我会及时去纠正。有其他需要可以私信我或者发我邮箱:zhilong666@foxmail.com 

本文将详细介绍Python的json模块。

 

目录

一、简介

二、发展史

三、主要功能详解

        1. json.dumps()

        2. json.loads()

        3. json.load()和json.dump()

        4. json.JSONEncoder和json.JSONDecoder

四、总结

---

一、简介

        python的json模块是python官方提供的一个用于解析和生成JSON数据格式的库。JSON是JavaScript对象表示法（JavaScript Object Notation）的缩写，是一种轻量级的数据交换格式，常被用于Web应用程序中，也被广泛地应用于非Web应用程序中。python的json库可以方便地将python中的数据转换为JSON格式数据，并支持将JSON格式数据转换为python中的数据类型。

二、发展史

        JSON格式最早由Douglas Crockford在2001年提出，不久以后被广泛使用。

        目前，JSON格式已成为前后端数据交换的主流格式之一。Python的JSON模块最早于2009年出现在Python 2.6版本中，用于处理json数据格式，提供了对JSON解析和序列化的支持。随着时间的推移，json模块也在后续的版本中得到了改进和扩展，支持了更多的功能和用法，更好地与Python的其他模块集成，如pandas、numpy、requests等。

        现在，json模块已经成为python的一个标准库，是开发Python应用不可或缺的重要部分。

三、主要功能详解

        1. json.dumps()

        json.dumps()是json模块中最常用的函数之一，用于将一个python对象序列化为json编码字符串。函数原型如下：

json.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)

        其中，obj表示需要序列化的json对象，其他参数用于控制序列化过程。常用参数解释如下： 

        示例代码：

import json
 
data = {
    "name": "张三",
    "age": 18,
    "hobbies": ["reading", "music"],
    "info": {
        "address": "北京市朝阳区",
        "phone": "18888888888"
    }
}
 
json_str = json.dumps(data, ensure_ascii=False, indent=4)
print(json_str)

        输出结果： 

{
    "name": "张三",
    "age": 18,
    "hobbies": [
        "reading",
        "music"
    ],
    "info": {
        "address": "北京市朝阳区",
        "phone": "18888888888"
    }
}

        2. json.loads()

        json.loads()是json模块中另一个常用的函数，用于将一个json编码的字符串解码为python对象。函数原型如下：

json.loads(s, *, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

        其中，s表示需要解码的字符串，其他参数用于控制解码过程。常用参数解释如下： 

        示例代码：

import json
 
json_str = '''
{
    "name": "李四",
    "age": 25,
    "hobbies": ["swimming", "playing games"],
    "info": {
        "address": "上海市黄浦区",
        "phone": "16666666666"
    }
}
'''
 
data = json.loads(json_str)
print(type(data))
print(data)

        输出结果： 

<class 'dict'>
{'name': '李四', 'age': 25, 'hobbies': ['swimming', 'playing games'], 'info': {'address': '上海市黄浦区', 'phone': '16666666666'}}

        3. json.load()和json.dump()

        如果需要从一个文件中读取json数据或者将数据写入到文件中，则可以使用json.load()和json.dump()函数。其中，json.load()用于从文件中读取json数据，json.dump()用于将json数据写入到文件中。函数原型如下：

json.load(fp, *, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)
 
json.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)

        其中，fp表示文件指针对象，可以是一个以读模式或写模式打开的文件对象，也可以是一个文件名字符串。其他参数的含义与json.loads()和json.dumps()函数类似，不再赘述。 

        示例代码：

import json
 
# 将json数据写入到文件中
data = {
    "name": "王五",
    "age": 30,
    "hobbies": ["travelling", "photography"],
    "info": {
        "address": "广州市天河区",
        "phone": "13666666666"
    }
}
with open('data.json', 'w') as f:
    json.dump(data, f, ensure_ascii=False, indent=4)
 
# 从文件中读取json数据
with open('data.json', 'r') as f:
    data = json.load(f)
    print(type(data))
    print(data)

        输出结果： 

<class 'dict'>
{'name': '王五', 'age': 30, 'hobbies': ['travelling', 'photography'], 'info': {'address': '广州市天河区', 'phone': '13666666666'}} 

        4. json.JSONEncoder和json.JSONDecoder

        json.JSONEncoder和json.JSONDecoder是json模块中用于自定义json编码和解码过程的类。如果需要将一个自定义类序列化为json字符串或将json字符串反序列化为自定义类对象，则可以通过继承json.JSONEncoder和json.JSONDecoder来实现自定义的转换过程。 

        示例代码：

import json
 
 
class Student:
    def __init__(self, name, age, hobbies):
        self.name = name
        self.age = age
        self.hobbies = hobbies
 
 
# 自定义Encoder类
class StudentEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, Student):
            return {
                'name': obj.name,
                'age': obj.age,
                'hobbies': obj.hobbies
            }
        else:
            return super().default(obj)
 
 
# 自定义Decoder类
class StudentDecoder(json.JSONDecoder):
    def __init__(self, *args, **kwargs):
        super().__init__(object_hook=self.dict_to_student, *args, **kwargs)
 
    def dict_to_student(self, d):
        if 'name' in d and 'age' in d and 'hobbies' in d:
            return Student(d['name'], d['age'], d['hobbies'])
        else:
            return d
 
 
# 自定义类序列化
student = Student('张三', 18, ['reading', 'music'])
json_str = json.dumps(student, cls=StudentEncoder, ensure_ascii=False, indent=4)
print(json_str)
 
# 自定义类反序列化
json_str = '''
[
    {
        "name": "张三",
        "age": 18,
        "hobbies": [
            "reading",
            "music"
        ]
    },
    {
        "name": "李四",
        "age": 20,
        "hobbies": [
            "swimming",
            "playing games"
        ]
    }
]
'''
students = json.loads(json_str, cls=StudentDecoder)
print(type(students))
for s in students:
    print(s.__dict__)

        输出结果： 

{
    "name": "张三",
    "age": 18,
    "hobbies": [
        "reading",
        "music"
    ]
}
<class 'list'>
{'name': '张三', 'age': 18, 'hobbies': ['reading', 'music']}
{'name': '李四', 'age': 20, 'hobbies': ['swimming', 'playing games']}

四、总结

        Python的JSON模块是一个内置标准库，是python标准库中不可或缺的一部分，可以方便地将python中的数据转换为JSON格式数据，并支持将JSON格式数据转换为python中的数据类型。同时，json模块也支持自定义转换过程，以满足更加复杂的应用场景。

        JSON模块中主要的函数有：dumps()、dump()、loads()和load()。其中dumps()函数将Python内置数据类型转换为JSON字符串，dump()函数将Python内置数据类型转换为JSON格式数据并输出到文件中，loads()函数将JSON字符串转化为Python内置数据类型，load()函数将文件中的JSON格式数据转化为Python内置数据类型。

        除此之外，JSON模块中的其他函数还包括：Python对象转化为JSON对象。

        在使用JSON模块的过程中，需注意JSON的标准格式。同时，JSON模块在对Python内置数据类型进行解析或者生成数据时，会调用特定对象的 json() 方法，所以在使用JSON模块的时候，需要注意Python对象的定义，尽量满足 json() 方法的调用要求，以实现更好的数据序列化与反序列化效果。

 ​​​​​​​