python 解读JSON文件，一文搞懂！
一、JSON格式详解全部 JSON 数据需要包裹在一个花括号中。
{
"sites": [
{ "name":"maybe" , "url":"www.maybe.com" },
{ "name":"google" , "url":"www.google.com" }
]
}
[*]Object（对象）：键/值对（"key":"value"）的集合。集合使用花括号{ }界说。多个键/值对之间使用逗号,分隔，比方{"name":"pink","url":"unknown"}。
[*]Array（数组）：值的有序集合，使用方括号[ ]界说，数组中每个值之间使用逗号 ,进行分隔。
1. 基本语法
[*]值可以是数字、字符串、布尔值、数组、对象、null；
[*]键必须是唯一的，不能重复；
[*]不可以使用八进制或十六进制体现数字。
[*]不支持注释
[*]可以嵌套
2. 数据类型
number：JSON 中不区分整型和浮点型。此外，JSON 中不能使用八进制和十六进制体现数字，但可以使用 e 或 E 来体现 10 的指数。
{
"number_1" : 20,
"number_2" : -21.5,
"number_3" : 1.0E+1
} value：null 和 true/false
object：JSON 中，对象由花括号{ }以及其中的若干键/值对构成，一个对象中可以包罗零个或多个键/值对，每个键/值对之间需要使用逗号,分隔.
{
"author": {
"name": "C",
"description": "C语言"
}
} array：JSON 中，数组由方括号[ ]和其中的若干值构成，值可以是 JSON 中支持的恣意类型，每个值之间使用逗号,进行分隔。
{
"course" : [
"JSON",
"CSS",
{
"ok" : "well",
"how" : "fine"
},
[
3.1,
fasle
],
null
]
} 二、python
1. 数据文件（data.json)
{
"employee": {
"name": "John Doe",
"age": 35,
"department": {
"name": "Engineering",
"location": "Building A"
}
}
}
2.原生python剖析
需要导入JSON包进行文件剖析。
import json
# 读取 JSON 数据
with open('data/data.json', 'r') as f:
json_data = f.read()
# 解析 JSON 数据
data = json.loads(json_data)
print(type(data))# dict
for key, value in data.items():# 遍历第一层
print(f"Key: {key}, Value: {value}")
# 如果值是字典，继续遍历第二层
if isinstance(value, dict):
for sub_key, sub_value in value.items():# 遍历第二层
print(f"Sub-key: {sub_key}, Sub-value: {sub_value}")
# 如果第二层的值还是字典，进一步处理
if isinstance(sub_value, dict):
for deep_key, deep_value in sub_value.items():
print(f" Deep-key: {deep_key}, Deep-value: {deep_value}") 3. pandas
需要导入pandas包进行文件剖析。
import pandas as pd
path = 'data/data.json'
# 1. 打开并读取 JSON 文件
df = pd.read_json(path)
print(type(df))# DataFrame
# 2. 按行解析 JSON 数据
x = df.to_dict(orient='records')
print(type(x))# list ，其中每个元素是一个字典
# 3. 按列解析 JSON 数据
y = df.to_dict(orient='list')
print(type(y))# dict 类型，其中每个键的值是列表
# 4. 扁平化嵌套的 JSON 数据
x_normalized = pd.json_normalize(x)
print(x_normalized)
# 5. 将 DataFrame 转换为 JSON 格式
json_data = df.to_json()
print(json_data)
# 6. 将 DataFrame 写入 JSON 文件
df.to_json('output.json')
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]