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" }
- ]
- }
复制代码
- 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
- }
复制代码 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"
- }
- }
复制代码 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
- ]
- }
复制代码 二、python
1. 数据文件(data.json)
- {
- "employee": {
- "name": "John Doe",
- "age": 35,
- "department": {
- "name": "Engineering",
- "location": "Building A"
- }
- }
- }
复制代码 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}")
复制代码 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')
复制代码
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。 |