Python中的JOSN文件处理
JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式,易于人阅读和编写。在日常的编码工作中十分常用,将重复性劳动总结,升华为开箱即用的工具或者规范的流程是提高效率的不二法门。
1. json库
json库中有四个函数较为常用,如下表所示。
函数名 | 描述 |
---|---|
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 | 将Python对象以JSON格式保存到文件 |
json.load | 从文件中读取JSON对象并存储为Python对象 |
举个例子,有时候我们拿到一个JSON文件,但是这个JOSN文件并不是格式化的,不便于我们浏览文件内容,也不便于我们修改文件内容,如下图所示。
这个时候我们就可以使用Python中的json库来将其格式化。
import json
def main():
with open("raw.json", "r") as fp:
data = json.load(fp)
#使用json.load函数从文件中读取json对象并存储为Python对象
with open("formatted.json", "w") as fp:
json.dump(data, fp, indent=4)
# indent = 4 即可格式化json文件
# 使用json.dump将Python对象保存为json格式的文件中,并格式化
if __name__ == '__main__':
main()
格式化后的结果如下图所示:
再举一个例子,将json格式的字符串直接保存到文件可能会存在一些问题。比如说Keras
中提供了将模型结构导出为json格式的字符串的函数to_json()
。将该导出的字符串直接保存到文件的结果如下图所示,可以看出这并不是正常的json格式的文件。
此时,我们可以使用json库函数来解决这个问题。
import keras
import tensorflow as tf
from keras.models import Sequential, Model
from keras.layers import Dense, Dropout, Flatten, Activation, Input
from keras.layers import Conv2D, MaxPooling2D
from keras import backend as K
from keras.utils import plot_model
import json
def build_model():
input_shape = (32, 32, 3)
num_classes = 10
model = Sequential()
model.add(Conv2D(32, (3, 3), activation='relu', input_shape=input_shape))
model.add(Dense(num_classes, activation='softmax', name='preds'))
# 建立模型
json_string = model.to_json()
# 得到保存模型结构的字符串
json_data = json.loads(json_string)
# 将json字符串先转为python对象,然后在格式化地保存到json文件
with open("model.json", "w") as fp:
json.dump(json_data, fp, indent=4)
def main():
build_model()
if __name__ == '__main__':
main()
参考: