224 lines
6.2 KiB
Markdown
224 lines
6.2 KiB
Markdown
---
|
||
title: json 编码和解码器
|
||
description: python 内置标准库 json 编码和解码器
|
||
keywords:
|
||
- Python
|
||
- json
|
||
tags:
|
||
- Python/进阶
|
||
- Python/标准库
|
||
author: 7Wate
|
||
date: 2023-10-20
|
||
---
|
||
|
||
## JSON 是什么
|
||
|
||
JSON (JavaScript Object Notation) 是一种轻量级的数据交换格式，它基于 JavaScript 的一个子集。数据格式简洁和明了，具有易于读写的特性，常用于数据的存储和网络数据的交换。
|
||
|
||
### 基本数据类型
|
||
|
||
JSON 支持以下数据类型：
|
||
|
||
- 数字（整数或浮点数）
|
||
- 字符串（在双引号中）
|
||
- 布尔值（true 或 false）
|
||
- 数组（在方括号中）
|
||
- 对象（在大括号中）
|
||
- null
|
||
|
||
一个简单的 JSON 对象示例：
|
||
|
||
```json
|
||
{
|
||
"name": "John",
|
||
"age": 30,
|
||
"is_student": false,
|
||
"cars": ["Ford", "BMW", "Fiat"],
|
||
"pets": null
|
||
}
|
||
```
|
||
|
||
### JSON 使用场景
|
||
|
||
JSON 的主要用途是在服务器和 web 应用之间传输数据。由于其简洁明了的特性，JSON 也被广泛用于配置文件、数据存储等场景。
|
||
|
||
### JSON 与 XML 的比较
|
||
|
||
JSON 和 XML 都是数据存储和传输的格式。与 XML 相比，JSON 更小、更快、更易解析。JSON 是语言无关的，它支持的数据结构在所有现代编程语言中都有对应的类型。而 XML 则更多地被用于文档的存储和传输。
|
||
|
||
## Python 对 JSON 的支持
|
||
|
||
Python 标准库中的 `json` 模块提供了 JSON 数据的编码和解码功能。它可以将 Python 对象转换为 JSON 字符串，也可以将 JSON 字符串解码为 Python 对象。
|
||
|
||
### Json 模块的主要函数和对象
|
||
|
||
`json` 模块的主要函数包括：
|
||
|
||
- `json.dumps()`：将 Python 对象编码成 JSON 字符串。
|
||
- `json.loads()`：将 JSON 字符串解码为 Python 对象。
|
||
- `json.dump()`：将 Python 对象编码成 JSON 字符串并写入文件。
|
||
- `json.load()`：读取文件中的 JSON 字符串并解码为 Python 对象。
|
||
|
||
`json` 模块的主要对象包括：
|
||
|
||
- `json.JSONEncoder`：用于自定义编码。
|
||
- `json.JSONDecoder`：用于自定义解码。
|
||
|
||
## JSON 编码
|
||
|
||
将 Python 对象转换为 JSON 格式。
|
||
|
||
### json.dumps() 函数
|
||
|
||
**将 Python 对象编码成 JSON 字符串。**
|
||
|
||
`json.dumps()` 函数接受一个 Python 对象，并返回一个 JSON 格式的字符串。例如：
|
||
|
||
```python
|
||
import json
|
||
|
||
person = {
|
||
"name": "John",
|
||
"age": 30,
|
||
"is_student": False,
|
||
"cars": ["Ford", "BMW", "Fiat"],
|
||
"pets": None
|
||
}
|
||
|
||
person_json = json.dumps(person)
|
||
print(person_json)
|
||
```
|
||
|
||
### json.dump() 函数
|
||
|
||
**将 Python 对象编码成 JSON 字符串并写入文件。**
|
||
|
||
`json.dump()` 函数与 `json.dumps()` 功能相同，但它不返回结果，而是直接将 JSON 字符串写入一个文件对象。例如：
|
||
|
||
```python
|
||
import json
|
||
|
||
person = {
|
||
"name": "John",
|
||
"age": 30,
|
||
"is_student": False,
|
||
"cars": ["Ford", "BMW", "Fiat"],
|
||
"pets": None
|
||
}
|
||
|
||
with open('person.json', 'w') as f:
|
||
json.dump(person, f)
|
||
```
|
||
|
||
## JSON 解码
|
||
|
||
将 JSON 格式转换为 Python 对象。
|
||
|
||
### json.loads() 函数
|
||
|
||
**将 JSON 字符串解码为 Python 对象。**
|
||
|
||
`json.loads()` 函数接受一个 JSON 格式的字符串，并返回一个 Python 对象。例如：
|
||
|
||
```python
|
||
import json
|
||
|
||
person_json = '{"name": "John", "age": 30, "is_student": false, "cars": ["Ford", "BMW", "Fiat"], "pets": null}'
|
||
|
||
person = json.loads(person_json)
|
||
print(person)
|
||
```
|
||
|
||
### json.load() 函数
|
||
|
||
**读取文件中的 JSON 字符串并解码为 Python 对象。**
|
||
|
||
`json.load()` 函数与 `json.loads()` 功能相同，但它读取一个文件对象中的 JSON 字符串，而不是直接解码字符串。例如：
|
||
|
||
```python
|
||
import json
|
||
|
||
with open('person.json', 'r') as f:
|
||
person = json.load(f)
|
||
print(person)
|
||
```
|
||
|
||
## 自定义 JSON 编码和解码
|
||
|
||
### json.JSONEncoder 类进行自定义编码
|
||
|
||
如果你想对默认行为进行更多的控制，例如改变日期时间的格式，你可以自定义 `json.JSONEncoder` 类。例如：
|
||
|
||
```python
|
||
import json
|
||
from datetime import datetime
|
||
|
||
class DateTimeEncoder(json.JSONEncoder):
|
||
def default(self, o):
|
||
if isinstance(o, datetime):
|
||
return o.isoformat()
|
||
|
||
return super().default(o)
|
||
|
||
now = datetime.now()
|
||
json.dumps(now, cls=DateTimeEncoder)
|
||
```
|
||
|
||
### json.JSONDecoder 类进行自定义解码
|
||
|
||
同样，你可以自定义 `json.JSONDecoder` 类来对 JSON 字符串进行特殊的解码。例如，你可以解析特定的日期时间格式：
|
||
|
||
```python
|
||
import json
|
||
from datetime import datetime
|
||
|
||
class DateTimeDecoder(json.JSONDecoder):
|
||
def object_hook(self, dict_):
|
||
for key, value in dict_.items():
|
||
try:
|
||
dict_[key] = datetime.strptime(value, "%Y-%m-%dT%H:%M:%S")
|
||
except (TypeError, ValueError):
|
||
pass
|
||
return dict_
|
||
|
||
json_string = '{"name": "John", "birthday": "2000-01-01T00:00:00"}'
|
||
json.loads(json_string, cls=DateTimeDecoder)
|
||
```
|
||
|
||
## 处理复杂的 JSON 数据
|
||
|
||
### 使用嵌套的数据结构处理复杂的 JSON 数据
|
||
|
||
JSON 可以表示复杂的嵌套数据结构，包括嵌套的对象和数组。你可以使用 Python 的字典、列表、元组等数据结构来处理这些复杂的 JSON 数据。
|
||
|
||
### 如何处理 JSON 数据中的日期和时间
|
||
|
||
JSON 格式本身并不支持日期和时间类型，一般以字符串形式表示。你可以在编码和解码时使用自定义的 `json.JSONEncoder` 和 `json.JSONDecoder` 类来处理日期和时间。
|
||
|
||
### 如何处理 JSON 数据中的自定义对象
|
||
|
||
你可以重写 `json.JSONEncoder` 的 `default()` 方法和 `json.JSONDecoder` 的 `object_hook()` 方法来处理自定义对象。
|
||
|
||
## 错误和异常处理
|
||
|
||
在使用 `json` 模块时，你可能会遇到以下几种错误和异常：
|
||
|
||
- `json.JSONDecodeError`：在解码 JSON 数据时发生的错误。
|
||
- `TypeError`：当你试图将不可序列化的对象（如函数）编码为 JSON 时，`json.dumps()` 和 `json.dump()` 会抛出这个错误。
|
||
|
||
### 处理错误和异常
|
||
|
||
你可以使用 Python 的异常处理机制来处理这些错误和异常，例如：
|
||
|
||
```python
|
||
import json
|
||
|
||
try:
|
||
person_json = '{"name": "John", "age": 30, "is_student": false, "cars": ["Ford", "BMW", "Fiat"], "pets": null,'
|
||
person = json.loads(person_json)
|
||
except json.JSONDecodeError as e:
|
||
print(f"Invalid JSON: {e}")
|
||
except TypeError as e:
|
||
print(f"Type Error: {e}")
|
||
```
|