目录

• 1. JSON简介
• 2. JSON语法规则
• 3. JSON数据类型
• 4. JSON对象
• 5. JSON数组
• 6. JSON中常用的方法
• 6.1 json.dumps()
• 6.2 json.loads()
• 6.3 json.dump()
• 6.4 json.load()
• 6.5 更多实例
• 7. 参数详解
• 8. JSON反序列化为对象
• 9. 常见的错误
• 9.1 读取多行的JSON文件
• 9.2 控制台乱码
• 10. 总结
• 参考资料：

1. JSON简介

JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式，它是JavaScript的子集，易于人阅读和编写。

JSON用来存储和交换文本信息，比xml更小/更快/更易解析，易于读写，占用带宽小，网络传输速度快的特性，适用于数据量大，不要求保留原有类型的情况。。

前端和后端进行数据交互，其实就是JS和Python进行数据交互！

2. JSON语法规则

• 名称必须用双引号（即：" "）来包括
• 值可以是双引号包括的字符串、数字、true、false、null、JavaScript数组，或子对象
• 数据在name/value中
• 数据见用逗号分隔
• 花括号保存对象
• 方括号保存数组

3. JSON数据类型

一并列举出Python与JSON数据类型的映射关系：

4. JSON对象

在花括号中书写，对象可以包含多个名称/值对。

例：

复制
{"firstname": "jonh", "lastname": "Doe"}

5. JSON数组

Employees是包含三个对象的数组。

每个对象代表一条关于某个人名的记录，在方括号中书写，数组可以包含多个对象：

复制
{
	"employees": [
		{ “firstName”:“John” , “lastName”:“Doe” },
		{ “firstName”:“Anna” , “lastName”:“Smith” },
		{ “firstName”:“Peter” , “lastName”:“Jones” }
	]
}

6. JSON中常用的方法

python在使用json这个模块前，首先要导入json库：import json.

注意：不带s的是序列化到文件或者从文件反序列化，带s的都是内存操作不涉及持久化。

6.1 json.dumps()

复制
import json
 
data = {'name':'nanbei','age':}
# 将Python对象编码成json字符串
print(json.dumps(data))

结果:

{"name": "nanbei", "age": 18}

注： 在这里我们可以看到，原先的单引号已经变成双引号了

6.2 json.loads()

复制
import json
 
data = {'name':'nanbei','age':}
# 将Python对象编码成json字符串
# print(json.dumps(data))
# 将json字符串解码成Python对象
a = json.dumps(data)
print(json.loads(a))

结果:

{'name': 'nanbei', 'age': 18}

在这里举个元组和列表的例子：

复制
import json
 
data = (,2,3,4)
data_json = [,2,3,4]
#将Python对象编码成json字符串
print(json.dumps(data))
print(json.dumps(data_json))
 
#将Python对象编码成json字符串
a = json.dumps(data)
b = json.dumps(data_json)
#将json字符串编码成Python对象
print(json.loads(a))
print(json.loads(b))

结果：

[1, 2, 3, 4]

[1, 2, 3, 4]

[1, 2, 3, 4]

[1, 2, 3, 4]

可以看到，元组和列表解析出来的均是数组。

由以上输出可以看出编码过程中，Python中的list和tuple都被转化成json的数组，而解码后，json的数组最终被转化成Python的list的，无论是原来是list还是tuple。

6.3 json.dump()

将Python内置类型序列化为json对象后写入文件：

复制
import json
 
data = {
    'nanbei':'haha',
    'a':[,2,3,4],
    'b':(,2,3)
}
with open('json_test.txt','w+') as f:
    json.dump(data,f)

6.4 json.load()

读取文件中json形式的字符串元素转化为Python类型：

复制
import json
 
data = {
    'nanbei':'haha',
    'a':[,2,3,4],
    'b':(,2,3)
}
with open('json_test.txt','w+') as f:
    json.dump(data,f)
 
with open('json_test.txt','r+') as f:
    print(json.load(f))

结果：

{'a': [1, 2, 3, 4], 'b': [1, 2, 3], 'nanbei': 'haha'}

6.5 更多实例

json.dumps()：将一个Python数据类型列表编码成json格式的字符串

复制
#python的列表转换为json的数组
>>> import json
>>> json.dumps([,2,3])
'[, 2, 3]'
#python的字符串转换为json的字符串
>>> json.dumps('abdcs')
'"abdcs"'
#python的元祖转换为json的数组
>>> json.dumps((,2,3,'a'))
'[, 2, 3, "a"]'#注意此时显示的是方括号
#python的字典转换为json的对象
>>> json.dumps({:'a',2:'b'})
'{"": "a", "2": "b"}'#注意此时1和2转换后是加了引号的，因为json的名称是必须要加引号的
#python的整数转换为json的数字
>>> json.dumps()
''
#python的浮点数转换为json的数字
>>> json.dumps(.1415)
'.1415'
#python的unicode字符串转换为json的字符串
>>> json.dumps(u'a')
'"a"'
#python的True转换为json的数组true
>>> json.dumps(True)
'true'
#python的False转换为json的数组false
>>> json.dumps(False)
'false'
#python的None转换为json的null
>>> json.dumps(None)
'null'
#json本质上是一个字符串
>>> type(json.dumps('abc'))
<class 'str'>
 

dump和dumps：

复制
import json
 
# dumps可以格式化所有的基本数据类型为字符串
data = json.dumps([])         # 列表
print(data, type(data1))
data = json.dumps(2)          # 数字
print(data, type(data2))
data = json.dumps('3')        # 字符串
print(data, type(data3))
dict = {"name": "Tom", "age":}   # 字典
data = json.dumps(dict)
print(data, type(data4))
 
with open("test.json", "w", encoding='utf-') as f:
    # indent 超级好用，格式化保存字典，默认为None，小于为零个空格
    f.write(json.dumps(dict, indent=))
    json.dump(dict, f, indent=)  # 传入文件描述符，和dumps一样的结果

得到的输出结果如下：格式化所有的数据类型为str类型:

复制
[] <class 'str'> <class 'str'>
"" <class 'str'>
{"name": "Tom", "age":} <class 'str'>

test.json中的内容:

复制
{
    "name": "Tom",
    "age":
}

load和loads

复制
import json
 
dict = '{"name": "Tom", "age":}'   # 将字符串还原为dict
data = json.loads(dict)
print(data, type(data1))
 
with open("test.json", "r", encoding='utf-') as f:
    data = json.loads(f.read())    # load的传入参数为字符串类型
    print(data, type(data2))
    f.seek()                       # 将文件游标移动到文件开头位置
    data = json.load(f)
    print(data, type(data3))

运行结果如下：

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

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

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

7. 参数详解

复制
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):

函数作用: 将Python对象转变成JSON对象，便于序列化内存/文件中。

参数：

• skipkeys: 如果为True的话，则只能是字典对象，否则会TypeError错误, 默认False
• ensure_ascii: 确定是否为ASCII编码
• check_circular: 循环类型检查，如果为True的话
• allow_nan: 确定是否为允许的值
• indent: 会以美观的方式来打印，呈现，实现缩进
• separators: 对象分隔符，默认为,
• encoding: 编码方式，默认为utf-8
• sort_keys: 如果是字典对象，选择True的话，会按照键的ASCII码来排序

对于dump来说，只是多了一个fp参数：

简单说就是dump需要一个类似文件指针的参数（并不是真正的指针，可以称之为文件对象），与文件操作相结合，即先将Python文件对象转化为json字符串再保存在文件中。

复制
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)
 
Serialize ``obj`` as a JSON formatted stream to ``fp`` (a``.write()``-supporting file-like object).

类似Java中的class implements java.io.Serializable

Java提供了一种对象序列化的机制，该机制中，一个对象可以被表示为一个字节序列，该字节序列包括该对象的数据、有关对象的类型的信息和存储在对象中数据的类型。

8. JSON反序列化为对象

JSON反序列化为类对象或者类的实例，使用的是loads()方法中的object_hook参数：

代码示例：

复制
import json
 
# 定义一个员工类
class Employee(object):
      def __init__(self,name,age,sex,tel):
            self.name=name
            self.age=age
            self.sex=sex
            self.tel=tel
            
# 实例化一个对象     
emp = Employee('kongsh',,'female',13123456789)
 
# 定义JSON转换Python实例的函数
def jsonToClass(emp):
      return Employee(emp['name'], emp['age'], emp['sex'], emp['tel'])
# 定义一个json字符串（字典）
json_str = '{"name": "kongsh", "age":, "sex": "female", "tel": 13123456789}'
 
emp = json.loads(json_str, object_hook=jsonToClass)
print (emp)
print(emp.name)

结果展示：

9. 常见的错误

9.1 读取多行的JSON文件

假如要读取一个多行的JSON文件：

复制
{"坂": ["坂"]}
{"构": ["构"]}
{"共": ["共"]}
{"钩": ["钩a9"]}
{"肮": ["肮ae"]}
{"孤": ["孤b64"]}

如果直接使用：

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

就会报错：抛出异常JSONDecodeError

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

表示数据错误，数据太多，第2行第一列

因为json只能读取一个文档对象，有两个解决办法

• 单行读取文件,一次读取一行文件。
• 保存数据源的时候，格式写为一个对象（dump）。

1. 单行读取文件：

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

但是这种做法还有个问题，如果JSON文件中包含空行，还是会抛出JSONDecodeError异常。

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

可以先处理空行，再进行文件读取操作：

复制
for line in f.readlines():
      line = line.strip()   # 使用strip函数去除空行
      if len(line) !=:
          json_data = json.loads(line)

2. 合并为一个对象：

将json文件处理成一个对象文件（序列化）：

复制
{"dict": [
{"坂": ["坂"]},
{"构": ["构"]},
{"共": ["共"]},
{"钩": ["钩a9"]},
{"肮": ["肮ae"]},
{"孤": ["孤b64"]}
]}

然后再用：

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

9.2 控制台乱码

复制
# ensure_ascii=False 表示在控制台能够显示中文
json_str = json.dumps(center_data_list, ensure_ascii=False)

10. 总结

• json.dumps 将 Python 对象编码成 JSON 字符串
• json.loads 将已编码的 JSON 字符串解码为 Python 对象
• json.dump和json.load，需要传入文件描述符，加上文件操作。
• json内部的格式要注意，一个好的格式能够方便读取，可以用indent格式化。

个人总结：

• dump：存入的实例对象object（序列化）
• dumps：存入的JSON的字符串数据
• load：读取的实例对象object（反序列化）
• loads：读取的JSON的字符串数据，转化为Python字典对象

参考资料：

Python中的json操作

python3基础：操作json

Python中JSON的基本使用