Mikä on Python JSON ja miten se otetaan käyttöön?

Tiedätkö kuinka siirtää tietojasi online-sovellusliittymistä tai tallentaa erityyppisiä tietoja paikallisiin koneisiisi? Tavalla tai toisella olet upottanut itsesi JSON: iin, joka tarkoittaa Java Script Object Notation. Se on tunnettu ja suosittu datamuoto, jota käytetään osarakenteisen datan esittämiseen. Tutustutaan tarkemmin Python JSON: iin.

Tässä artikkelissa käsitellään seuraavia näkökohtia:

• • Johdanto JSON: iin Pythonissa
  • Kuinka lukea JSON-tiedosto Pythonissa
  • Jäsennys
    • Muunnos Pythonista JSON: ksi
    • Muunnos JSON: sta Pythoniksi
  • Pandas jäsentää JSON
  • JSON-sarjanumerointi [Encode]
  • Aika painatus
  • JSON: n poistaminen käytöstä [purkaa]
  • Koodauksen esittely

Johdanto JSON: iin Pythonissa:

JSON tarkoittaa J ava S käsikirjoitus TAI esine N hoitoon tapa tallentaa tietoa organisoidusti ja helposti. Tietojen on oltava tekstin muodossa vaihdettaessa selaimen ja palvelimen välillä.

Jos mietit, onko niin ? sitten vastaus on ei. Se on tekstistä koostuva komentosarja, jota käytetään tietojen tallentamiseen ja siirtämiseen ihmisen ja koneellisesti luettavassa muodossa. Se on pieni, kevyt datamuoto, jonka on innoittanut JavaScript ja jota käytetään yleensä teksti- tai merkkijonomuodossa. Paketti JSON on lähes identtinen python-sanakirjan kanssa. Nyt sinun täytyy ihmetellä

Kuinka lukea JSON-tiedosto Pythonissa?

Vastaus kysymykseesi on, että sinun on tuotava JSON-moduuli, joka yleensä muuntaa Python-tietotyypit JSON-merkkijonotiedostoksi. Se koostuu JSON-toiminnoista, jotka lukevat ja kirjoittavat suoraan JSON-tiedostoista. siinä on sisäänrakennettu JSON-paketti ja se on osa vakiokirjastoa, joten sinun ei tarvitse asentaa sitä.

Esimerkki:

tuo json

Nyt kun tiedät JSON: n Pythonissa, katsotaanpa tarkemmin jäsentämistä.

Jäsennys:

JSON-kirjasto voi jäsentää JSON: n jouset tai tiedostoja. Se voi myös jäsentää JSON: n tai listaa ja tee päinvastoin. Jäsennys tapahtuu yleensä kahdessa vaiheessa:

1. Muunnos JSON: sta Pythoniksi
2. Muunnos Pythonista JSON: ksi

Ymmärretään paremmin molemmat vaiheet.

Muunnos JSON: sta Python:

Voit muuntaa JSON-merkkijonon Pythoniksi käyttämälläjson.loads ().Haluan näyttää käytännön toteutuksen:

Esimerkki:

tuo json people_string = '' '{' ihmiset ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_number': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]}} 'data = json.loads (ihmiset_merkkijono) tulosta (data)

Tuotos:

Kuten yllä olevasta tulostuksesta näet, se on tulostanut a . Tulostetaan tietotyyppi ymmärtämisen helpottamiseksi.

Esimerkki:

tuo json people_string = '' '{' ihmiset ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_number': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]}} 'data = json.loads (people_string) tulosta (tyyppi (data)) # tulostaa tietotyypin

Tuotos:

Nyt kun olet perehtynyt yhteen muunnokseen, katsotaan toinen konversiotyyppi toisessa vaiheessa.

Muunnos Pythonista JSON:

Python-objekti voidaan muuntaa JSON-merkkijonoksi käyttämälläjson.dumps ().Katsotaanpa seuraavaa esimerkkiä:

Esimerkki:

tuo json people_string = '' '{' ihmiset ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_no.': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]]} '' data = json.loads (ihmiset_merkkijono) new_string = json.dumps (data) tulosta (new_string)

Tuotos:

Lähtö on JSON-merkkijonotyyppi. Olen jo osoittanut tietotyypin JSON: sta Python-muunnokseen, samaa tyyppiä noudatetaan myös tietotyypin tulostuksessa.

Siirrytään eteenpäin ja katsotaan, kuinka Pandas jäsentää JSON: n.

Pandas jäsentää JSON:

JSON-merkkijono voidaan jäsentää a-muotoon pandat Datakehys seuraavista vaiheista:

• Seuraavaa yleistä rakennetta voidaan käyttää JSON-merkkijonon lataamiseen DataFrame-kehykseen.

tuo pandat muodossa pd pd.read_json (r'Path, johon tallensit JSON-tiedostonFile Name.json ')

• Valmista JSON-merkkijono.
• Luo JSON-tiedosto, jota käytämme: nobel_prize.json.
• Lataa JSON-tiedosto pandas DataFrame-kehykseen.

Alla toteutettu koodi lataa JSON-tiedostoni DataFrame-kehykseen.

tuo pandat pd-tiedostona tuo json auki (r'C: UsersHarshit_KantDesktopnobel.prize.json ') muodossa f: data = json.load (f) print (data) df = pd.DataFrame print (df)

Tuotos:

Edetessä, katsotaanpa, kuinka voit JSONin sarjallisuuden Pythonissa.

JSON: n [koodaus] sarjallisuus:

JSON-sarjanumerointi tarkoittaa yksinkertaisesti sitä, että koodaat JSON-tiedostoa. Se muuntaa annetun Python-tietorakenteen (ex: dict) kelvolliseksi JSON-objektiksi. Tiedoston tietovirran käsittelemiseksi JSON-kirjasto Pythonissa käyttää a kaataa () ja kaatopaikat () menetelmä, joka tekee muunnoksen ja helpottaa tietojen kirjoittamista tiedostoihin.

työkoneiden ja pidennysten välinen ero

Alla on taulukko, joka kuvaa Python tietotyypit muunnetaan vastaavaksi JSON-tyypiksi.

Muistettavaa:

kaataa () - Muuntaa tiedot JSON-tiedostoksi
kaatopaikat () - Muuntaa tiedot JSON-merkkijonoksi
ladata() - Muuntaa JSON-tiedoston Python-objektiksi
kuormat () - Muuntaa JSON-merkkijonon objektin Python-objektiksi

Melko painatus:

Pretty Printing huolehtii koodin kohdistuksesta ja tekee siitä ihmisen luettavassa muodossa. Katsotaan alla olevaa esimerkkiä, jossa olen välittänyt kaksi parametria 'sort_keys', jotka palauttavat aina loogisen True-arvon ja 'sisennys' -välit.

Esimerkki:

tuo json people_string = '' '{' ihmiset ': [{' emp_name ':' John smith ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_no.': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]]} '' data = json.loads (ihmiset_merkkijono) new_string = json.dumps (data, sort_keys = True, sisennys = 3) print (new_string)

Tuotos:

Python JSON -opetusohjelmassa eteenpäin ymmärretään JSON: n deserialisaatio.

JSON: n [dekoodauksen] poistaminen käytöstä:

JSON: n deserialisaatio on täsmälleen päinvastainen sarjakuvalle, ts. Se tarkoittaa, että purat JSON: n. Se muuntaa annetun JSON-merkkijonon a: ksi Python esine hyödyntämällä ladata() ja kuormat () menetelmä, joka tekee muunnoksen.

Alla on taulukko, joka kuvaa JSON-tietotyypin muuntamista vastaavaksi Python-tyypiksi.

Siirtyminen eteenpäin ”Python JSON” -opetusohjelmassa. Näytän sinulle reaaliaikaisen esimerkin sekä sarjasta että deserialisaatiosta koodauksen näkökulmasta.

Koodauksen esittely:

Tässä koodausesittelyssä hyödynnän JSON-aineistoa, jonka nimi on ”Nobelin palkinto” tässä . Opit tekemään sarjoituksen ja deserialisoinnin JSON-tiedoston kautta.

Esimerkki (JSON-tietojoukon sarjallisuus):

tuo json, jossa open ('nobel_prize.json.html') f: data = json.load (f) avoimena ('new_nobel_prize.json.html') muodossa f: json.dump (data, f, sisennys = 2)

Tuotos:

on käännetty onnistuneesti ja luodaan uusi tiedosto “new_nobel_prize.json”, johon tiedot viedään jo olemassa olevasta tiedostosta “nobel_prize.json”.

Esimerkki (JSON-aineiston poistaminen käytöstä):

tuo json, jolla on avoin ('nobel_prize.json.html') f: data = json.load (f) nobel_prize in data ['palkinnot']: tulosta (nobel_prize ['vuosi'], nobel_prize ['luokka'])

Tuotos:

Koodinpätkä näyttää muutokset JSON-tiedostosta vastaavaan Python-objektiin.

Tämä tuo meidät artikkelimme 'Python JSON' loppuun. Toivon, että olet selvillä kaikista käsitteistä, jotka liittyvät JSON: iin, jäsentämiseen, sarjallisuuteen ja esivalmistamiseen.

kuinka asentaa php 7 Windows 10: een

Varmista, että harjoittelet mahdollisimman paljon ja palauta kokemuksesi.

Onko sinulla kysymys meille? Mainitse se tämän Python JSON -artikkelin kommenttiosassa ja otamme sinuun yhteyttä mahdollisimman pian. Voit saada syvällistä tietoa Pythonista sen eri sovellusten kanssa suoralla verkkokoulutuksellamme, joka tarjoaa ympärivuorokautisen tuen ja käyttöiän.