Python中的JSON文件处理

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：

• 菜鸟教程
• json文件在线格式化

---