【Python】json格式數據解碼為python對象；Python對象進行JSON格式的編碼

JSON (JavaScript Object Notation) 是一種輕量級的數據交換格式。Python3 中可以使用 json 模塊來對 JSON 數據進行編解碼，它主要提供了四個方法： dumps、dump、loads、load。

dump和dumps

• dump和dumps對python對象進行序列化。將一個Python對象進行JSON格式的編碼。

dump函數：

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)

obj: 表示是要序列化的對象。
fp: 文件描述符，將序列化的str保存到文件中。json模塊總是生成str對象，而不是字節對象；因此，fp.write（）必須支持str輸入。
skipkeys: 默認為False,如果skipkeysTrue,（默認值：False），則將跳過不是基本類型（str，int，float，bool，None）的dict鍵，不會引發TypeError。
ensure_ascii: 默認值為True,能將所有傳入的非ASCII字符轉義輸出。如果ensure_ascii為False，則這些字符將按原樣輸出。
check_circular:默認值為True,如果check_circular為False，則將跳過對容器類型的循環引用檢查，循環引用將導致OverflowError。
allow_nan: 默認值為True,如果allow_nan為False，則嚴格遵守JSON規范,序列化超出范圍的浮點值（nan，inf，-inf）會引發ValueError。 如果allow_nan為True,則將使用它們的JavaScript等效項（NaN，Infinity，-Infinity）。
indent: 設置縮進格式，默認值為None,選擇的是最緊湊的表示。如果indent是非負整數或字符串，那么JSON數組元素和對象成員將使用該縮進級別進行輸入；indent為0,負數或“”僅插入換行符；indent使用正整數縮進多個空格；如果indent是一個字符串（例如“\t”），則該字符串用於縮進每個級別。
separators: 去除分隔符后面的空格，默認值為None,如果指定，則分隔符應為（item_separator，key_separator）元組。如果縮進為None，則默認為（’，’，’：’）;要獲得最緊湊的JSON表示，可以指定（’，’，’:’）以消除空格。
default: 默認值為None,如果指定，則default應該是為無法以其他方式序列化的對象調用的函數。它應返回對象的JSON可編碼版本或引發TypeError。如果未指定，則引發TypeError。
sort_keys: 默認值為False,如果sort_keys為True，則字典的輸出將按鍵值排序。

dumps函數：

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)

• dumps函數不需要傳文件描述符，其他的參數和dump函數的一樣

load和loads

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

fp: 文件描述符，將fp（.read（）支持包含JSON文檔的文本文件或二進制文件）反序列化為Python對象。
object_hook: 默認值為None,object_hook是一個可選函數，此功能可用於實現自定義解碼器。指定一個函數，該函數負責把反序列化后的基本類型對象轉換成自定義類型的對象。
parse_float: 默認值為None,如果指定了parse_float，用來對JSON float字符串進行解碼,這可用於為JSON浮點數使用另一種數據類型或解析器。
parse_int: 默認值為None,如果指定了parse_int，用來對JSON int字符串進行解碼,這可以用於為JSON整數使用另一種數據類型或解析器。
parse_constant:默認值為None,如果指定了parse_constant,對-Infinity,Infinity,NaN字符串進行調用。如果遇到了無效的JSON符號，會引發異常。

• 如果進行反序列化（解碼）的數據不是一個有效的JSON文檔，將會引發 JSONDecodeError異常。

loads函數：

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

s: 將s（包含JSON文檔的str，bytes或bytearray實例）反序列化為Python對象。
encoding: 指定一個編碼的格式。
loads也不需要文件描述符，其他參數的含義和load函數的一致。

格式轉化表

JSON中的數據格式和Python中的數據格式轉化關系如下：

JSON	Python
object	dict
array	list
string	str
number (int)	int
number (real)	float
true	True
false	False
null	None

實戰：

dump和dumps

import json
# dumps可以格式化所有的基本數據類型為字符串
data1 = json.dumps([])         # 列表
print(data1, type(data1))
data2 = json.dumps(2)          # 數字
print(data2, type(data2))
data3 = json.dumps('3')        # 字符串
print(data3, type(data3))
dict = {"name": "Tom", "age": 23}   # 字典
data4 = json.dumps(dict)
print(data4, type(data4))

with open("test.json", "w", encoding='utf-8') as f:
    # indent 超級好用，格式化保存字典，默認為None，小於0為零個空格
    f.write(json.dumps(dict, indent=4))
    json.dump(dict, f, indent=4)  # 傳入文件描述符，和dumps一樣的結果

得到的輸出結果如下：格式化所有的數據類型為str類型

[] <class 'str'>
2 <class 'str'>
"3" <class 'str'>
{"name": "Tom", "age": 23} <class 'str'>

test.json中的內容

{
    "name": "Tom",
    "age": 23
}

load和loads

import json

dict = '{"name": "Tom", "age": 23}'   # 將字符串還原為dict
data1 = json.loads(dict)
print(data1, type(data1))

with open("test.json", "r", encoding='utf-8') as f:
    data2 = json.loads(f.read())    # load的傳入參數為字符串類型
    print(data2, type(data2))
    f.seek(0)                       # 將文件游標移動到文件開頭位置
    data3 = json.load(f)
    print(data3, type(data3))

運行結果如下：

{'name': 'Tom', 'age': 23} <class 'dict'>
{'name': 'Tom', 'age': 23} <class 'dict'>
{'name': 'Tom', 'age': 23} <class 'dict'>

常見的錯誤：

讀取多行的JSON文件
假如要讀取一個多行的JSON文件：

{"坂": ["坂5742"]}
{"構": ["構6784"]}
{"共": ["共5171"]}
{"鈎": ["鈎94a9"]}
{"骯": ["骯80ae"]}
{"孤": ["孤5b64"]}

如果直接使用：

with open(json_path, 'r') as f:
    json_data = json.load(f)

就會報錯：拋出異常JSONDecodeError。

json.decoder.JSONDecodeError: Extra data: line 2 column 1 (char 17)

表示數據錯誤，數據太多，第2行第一列
因為json只能讀取一個文檔對象，有兩個解決辦法
1、單行讀取文件,一次讀取一行文件。
2、保存數據源的時候，格式寫為一個對象。
單行讀取文件：

with open(json_path, 'r') as f:
    for line in f.readlines():
        json_data = json.loads(line)

但是這種做法還有個問題，如果JSON文件中包含空行，還是會拋出JSONDecodeError異常

json.decoder.JSONDecodeError: Expecting value: line 2 column 1 (char 1)

可以先處理空行，再進行文件讀取操作：

for line in f.readlines():
    line = line.strip()   # 使用strip函數去除空行
        if len(line) != 0:
            json_data = json.loads(line)

將json文件處理成一個對象文件。

{"dict": [
{"坂": ["坂5742"]},
{"構": ["構6784"]},
{"共": ["共5171"]},
{"鈎": ["鈎94a9"]},
{"骯": ["骯80ae"]},
{"孤": ["孤5b64"]}
]}

然后再用：

with open(json_path, 'r') as f:
    json_data = json.loads(f.read())

總結：
json.dumps 將 Python 對象編碼成 JSON 字符串
json.loads 將已編碼的 JSON 字符串解碼為 Python 對象
json.dump和json.load,需要傳入文件描述符，加上文件操作。
JSON內部的格式要注意，一個好的格式能夠方便讀取，可以用indent格式化。