背景介紹

????我們知道再爬蟲的過程中我們對(duì)于爬取到的網(wǎng)頁數(shù)據(jù)需要進(jìn)行解析,因?yàn)榇蠖鄶?shù)數(shù)據(jù)是不需要的,所以我們需要進(jìn)行數(shù)據(jù)解析,常用的數(shù)據(jù)解析方式有正則表達(dá)式,xpath,bs4,這次我們來介紹一下另一個(gè)數(shù)據(jù)解析庫--jsonpath,在此之前我們需要先了解一下什么是json。

一、初識(shí)Json

??? JSON(JavaScript Object Notation) 是一種輕量級(jí)的數(shù)據(jù)交換格式，它使得人們很容易的進(jìn)行閱讀和編寫。同時(shí)也方便了機(jī)器進(jìn)行解析和生成。適用于進(jìn)行數(shù)據(jù)交互的場(chǎng)景，比如網(wǎng)站前臺(tái)與后臺(tái)之間的數(shù)據(jù)交互。

Python 2.7及之后版本,自帶了JSON模塊，直接import json就可以使用了。

官方文檔：http://docs.python.org/library/json.html

Json在線解析網(wǎng)站：http://www.json.cn/#

二、Json的基本使用

簡(jiǎn)介

????json簡(jiǎn)單說就是javascript中的對(duì)象和數(shù)組，所以這兩種結(jié)構(gòu)就是對(duì)象和數(shù)組兩種結(jié)構(gòu)，通過這兩種結(jié)構(gòu)可以表示各種復(fù)雜的結(jié)構(gòu);

1. 對(duì)象：對(duì)象在js中表示為{ }括起來的內(nèi)容，數(shù)據(jù)結(jié)構(gòu)為 { key：value, key：value, ... }的鍵值對(duì)的結(jié)構(gòu)，在面向?qū)ο蟮恼Z言中，key為對(duì)象的屬性，value為對(duì)應(yīng)的屬性值，所以很容易理解，取值方法為 對(duì)象.key 獲取屬性值，這個(gè)屬性值的類型可以是數(shù)字、字符串、數(shù)組、對(duì)象這幾種。

2. 數(shù)組：數(shù)組在js中是中括號(hào)[ ]括起來的內(nèi)容，數(shù)據(jù)結(jié)構(gòu)為 ["Python", "javascript", "C++", ...]，取值方式和所有語言中一樣，使用索引獲取，字段值的類型可以是 數(shù)字、字符串、數(shù)組、對(duì)象幾種。

使用

json模塊提供了四個(gè)功能：dumps、dump、loads、load，用于字符串 和 python數(shù)據(jù)類型間進(jìn)行轉(zhuǎn)換。

把Json格式字符串解碼轉(zhuǎn)換成Python對(duì)象 從json到python的類型轉(zhuǎn)化對(duì)照如下：

1.json.loads()

import json
strDict = '{"city": "廣州", "name": "小黑"}'
r = json.loads(strDict) # json數(shù)據(jù)自動(dòng)按Unicode存儲(chǔ)
print(r)

結(jié)果如下：

{'city': '廣州', 'name': '小黑'}

2. json.load()

讀取文件中json形式的字符串元素 轉(zhuǎn)化成python類型

import jsons = json.load(open('test.json','r',encoding='utf-8'))print(s,type(s))

結(jié)果如下：

{'city': '廣州', 'name': '小黑'}

3. json.dumps()

實(shí)現(xiàn)python類型轉(zhuǎn)化為json字符串，返回一個(gè)str對(duì)象 把一個(gè)Python對(duì)象編碼轉(zhuǎn)換成Json字符串

import json
listStr = [1, 2, 3, 4]dictStr = {"city": "北京", "name": "大貓"}
s1 = json.dumps(listStr)s2 = json.dumps(dictStr,ensure_ascii=False)
print(s1,type(s1))print(s2)

結(jié)果如下：

[1, 2, 3, 4] {"city": "北京", "name": "大貓"}

注意：

1. json.dumps() 序列化時(shí)默認(rèn)使用的ascii編碼

2. 添加參數(shù) ensure_ascii=False 禁用ascii編碼，按utf-8編碼

4. json.dump()

將Python內(nèi)置類型序列化為json對(duì)象后寫入文件

import json
json_info = "{'age': '12'}"file = open('ceshi.json','w',encoding='utf-8')json.dump(json_info,file)

結(jié)果如下：

ceshii,json(目錄文件產(chǎn)生)

三、JsonPath

JsonPath 是一種信息抽取類庫，是從JSON文檔中抽取指定信息的工具，提供多種語言實(shí)現(xiàn)版本，包括：Javascript, Python， PHP 和 Java。

JsonPath 對(duì)于 JSON 來說，相當(dāng)于 XPATH 對(duì)于 XML。

下載地址：https://pypi.python.org/pypi/jsonpath

安裝方法：點(diǎn)擊Download URL鏈接下載jsonpath，解壓之后執(zhí)行python setup.py install

官方文檔：http://goessner.net/articles/JsonPath

JsonPath與XPath語法對(duì)比

Json結(jié)構(gòu)清晰，可讀性高，復(fù)雜度低，非常容易匹配，下表中對(duì)應(yīng)了XPath的用法。

四、案例測(cè)試

????我們爬取淘票票官網(wǎng)的城市信息,保存為json文件,進(jìn)行jsonpath語法測(cè)試，獲取所有城市名稱。

請(qǐng)求

import requestsimport time
url = 'https://dianying.taobao.com/cityAction.json?activityId&_ksTS=1632211792156_137&jsoncallback=jsonp138&action=cityAction&n_s=new&event_submit_doGetAllRegion=true'
headers = {    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.106 Safari/537.36',} 
res = requests.get(url,headers=headers)
result = res.content.decode('utf-8')
print(result) # xxx省略

注意：

headers里面的鍵值對(duì)最好都加上，還是有反爬的，該網(wǎng)站，這里為了簡(jiǎn)便省去了；

保存數(shù)據(jù)

content = result.split('(')[1].split(')')[0] # 由于文件首尾的字符不需要需要剔除掉做字符串切割
with open('tpp.json','w',encoding='utf-8')as fp:    fp.write(content)

????打開json文件如下所示：

解析數(shù)據(jù)

????這里我們獲取全部城市名稱

import jsonimport jsonpath
obj = json.load(open('tpp.json','r',encoding='utf-8')) # 注意，這里是文件的形式，不能直接放一個(gè)文件名的字符串
city_list = jsonpath.jsonpath(obj,'$..regionName') # 文件對(duì)象   jsonpath語法
print(city_list)

結(jié)果如下：

五、總結(jié)

????我們知道json是一種常見的數(shù)據(jù)傳輸形式，所以對(duì)于爬取數(shù)據(jù)的數(shù)據(jù)解析，json的相關(guān)操作是比較重要的，能夠加快我們的數(shù)據(jù)提取效率，本文簡(jiǎn)單介紹了json和jsonpath的相關(guān)操作，對(duì)于測(cè)試網(wǎng)站(淘票票)的json做了簡(jiǎn)單的數(shù)據(jù)解析，感興趣的小伙伴可以把其他數(shù)據(jù)解析一下。

看完本文有收獲？請(qǐng)轉(zhuǎn)發(fā)分享給更多的人

IT共享之家

入群請(qǐng)?jiān)谖⑿藕笈_(tái)回復(fù)【入群】

-------------------?End?-------------------

往期精彩文章推薦：

• 手把手教你輕松獲取局域網(wǎng)絡(luò)設(shè)備

• 盤點(diǎn)3款高端大氣上檔次的黑客游戲

• 手把手教你利用Win7系統(tǒng)快速搭建屬于自己的網(wǎng)站

• 一文帶你解讀JavaScript的引用類型和函數(shù)對(duì)象