python如何分析json

Python轻松玩转JSON：数据解析、提取与处理全攻略**

JSON（JavaScript Object Notation）作为一种轻量级的数据交换格式，因其易于人阅读和编写，也易于机器解析和生成，在Web开发、API交互、数据存储等领域得到了广泛应用，Python作为一门功能强大且语法简洁的编程语言，提供了内置的模块来高效地处理JSON数据，本文将详细介绍如何使用Python分析JSON，包括解析JSON字符串、读取JSON文件、提取数据、修改数据以及将Python对象转换为JSON等核心操作。

JSON数据简介

在Python代码之前,简单回顾一下JSON的基本结构，JSON数据由两种基本结构组成：

1. 键值对（Key-Value Pair）：类似于Python中的字典，由键（字符串）和值组成，中间用冒号分隔。"name": "张三"。
2. 数组（Array）：类似于Python中的列表，表示值的有序集合，用方括号 [] 括起来，值之间用逗号分隔。[1, 2, "apple", true]。

JSON的值可以是字符串、数字、布尔值（true/false）、null、对象（键值对集合）或数组。

Python处理JSON的核心模块：json

Python内置了json模块，它提供了用于解析JSON字符串和读取JSON文件的函数，以及将Python对象序列化为JSON字符串或写入文件的函数。

解析JSON字符串（将JSON字符串转换为Python对象）

当我们有一个JSON格式的字符串时,可以使用json.loads()（load string）函数将其转换为Python对应的对象。

• JSON对象 -> Python字典 (dict)
• JSON数组 -> Python列表 (list)
• JSON字符串 -> Python字符串 (str)
• JSON数字 (整数/浮点数) -> Python整数 (int) / 浮点数 (float)
• JSON true -> Python True
• JSON false -> Python False
• JSON null -> Python None

示例代码：

import json
# JSON格式的字符串
json_string = '''
{
    "name": "李四",
    "age": 30,
    "is_student": false,
    "courses": ["Python", "数据分析", "机器学习"],
    "address": {
        "city": "北京",
        "district": "海淀区"
    }
}
'''
# 使用json.loads()将JSON字符串解析为Python对象
python_data = json.loads(json_string)
# 现在python_data是一个Python字典
print("解析后的Python对象类型:", type(python_data))
print("姓名:", python_data["name"])
print("年龄:", python_data["age"])
print("是否学生:", python_data["is_student"])
print("课程列表:", python_data["courses"])
print("城市:", python_data["address"]["city"])

读取并解析JSON文件

在实际应用中,JSON数据通常存储在文件中（.json文件），我们可以使用json.load()（注意没有s）函数直接从文件对象中读取并解析JSON数据。

示例代码：

假设我们有一个名为data.json的文件，内容如下：

{
    "id": 101,
    "product_name": "智能手机",
    "price": 4999.00,
    "in_stock": true
}

Python代码读取并解析：

import json
try:
    # 以读取模式打开JSON文件
    with open('data.json', 'r', encoding='utf-8') as f:
        # 使用json.load()从文件对象解析JSON数据
        file_data = json.load(f)
    print("从文件读取的数据:", file_data)
    print("产品名称:", file_data["product_name"])
    print("价格:", file_data["price"])
except FileNotFoundError:
    print("错误：文件未找到！")
except json.JSONDecodeError:
    print("错误：文件内容不是有效的JSON格式！")

提取和分析JSON数据

解析JSON数据后,我们就可以像操作普通的Python字典和列表一样提取和分析数据。

常用提取方法：

1. 通过键提取值（字典）：

   name = python_data["name"]

2. 通过索引提取值（列表）：

   first_course = python_data["courses"][0]

3. 嵌套数据访问：

   city = python_data["address"]["city"]

4. 遍历列表：

   print("所有课程：")
   for course in python_data["courses"]:
       print("-", course)

5. 遍历字典：

   print("所有键值对：")
   for key, value in python_data.items():
       print(f"{key}: {value}")

6. 条件判断与数据筛选：

   if python_data["age"] > 25:
       print(f"{python_data['name']}是成年人。")
   # 筛选出特定条件的课程（假设courses中有更多元素）
   advanced_courses = [course for course in python_data["courses"] if "学习" in course]
   print("高级课程:", advanced_courses)

修改和构建JSON数据

Python对象（字典、列表）是可变的，我们可以直接修改它们，然后再将其转换回JSON格式。

示例代码：

# 基于之前解析的python_data（字典）
python_data["age"] = 31  # 修改年龄
python_data["courses"].append("深度学习")  # 添加新课程
python_data["phone"] = "13800138000"  # 添加新键值对
# 删除一个键值对
if "is_student" in python_data:
    del python_data["is_student"]
print("修改后的Python对象:", python_data)

将Python对象转换为JSON字符串或写入文件

当我们需要将Python对象（如字典、列表）发送给其他系统或保存到文件时，需要将其序列化为JSON格式。

1. 转换为JSON字符串：json.dumps() (dump string)

   # 将Python对象转换为JSON字符串
   json_output_str = json.dumps(python_data, ensure_ascii=False, indent=4)
   print("\n转换后的JSON字符串：")
   print(json_output_str)
   # ensure_ascii=False: 确保中文字符正常显示，而不是被转义
   # indent=4: 格式化输出，使JSON字符串更易读

2. 写入JSON文件：json.dump()

   # 将Python对象写入JSON文件
   with open('modified_data.json', 'w', encoding='utf-8') as f:
       json.dump(python_data, f, ensure_ascii=False, indent=4)
   print("\n数据已成功写入modified_data.json文件")

处理JSON数据时的异常

在处理JSON数据时,可能会遇到各种错误，如格式不正确、文件不存在、编码问题等，使用try-except块进行异常处理是非常重要的。

• json.JSONDecodeError：当JSON字符串格式不正确时抛出。
• FileNotFoundError：当指定的JSON文件不存在时抛出。
• KeyError：当尝试访问字典中不存在的键时抛出（可以通过in操作符或.get()方法避免）。

Python通过json模块为我们提供了强大而便捷的工具来处理JSON数据，无论是从字符串或文件中解析JSON，还是将Python对象序列化为JSON，亦是对JSON数据进行提取、修改和分析，json模块都能轻松胜任，这些基本操作，是进行数据交互、API调用、配置文件处理等任务的基础，在实际应用中，灵活运用这些技巧，并结合异常处理，能够让你更加稳健地处理各种JSON数据场景。