Python递归解析同盾返回的json数据

• 啥也不说，以某盾的返回数据为例，很多吐槽比较难解析！！
• 数据中无限嵌套，嵌套的类型为json 和 array
• 数据是存在ElasticSearch中的，所以先看看

• 虽然很长，但是结构无非是嵌套json 或者 list的格式，看下面结构（摘取了其中一小段）

• ele={
  	'_source': {
  		'gmt_create': '2020-02-20 14:18:51',
  		'id_number': '33049319920423****',
  		'result_desc': {
  			'ANTIFRAUD': {
  				'final_score': 237,
  				'risk_items': [{
  					'rule_id': 28271704,
  					'policy_score': 237,
  					'score': 88,
  					'policy_mode': 'Weighted',
  					'decision': 'Accept',
  					'policy_decision': 'Reject',
  					'policy_name': 'STARK借款_网页',
  					'risk_name': '身份证格式校验错误'
  				}, {
  					'rule_id': 28272014,
  					'policy_score': 237,
  					'score': 30,
  					'policy_mode': 'Weighted',
  					'decision': 'Accept',
  					'policy_decision': 'Reject',
  					'policy_name': 'STARK借款_网页',
  					'risk_name': '手机号格式校验错误'
  				}]
  			}
  		}
  	}
  }

   

def get_flatten_json(dd,pre):
    '''
    :param dd: 为一个json串
    :param pre:以某字符开头
    :return: 返回拍平的结果,字典
    '''
    res={}
    def flatten_json(dd,pre):
        for k,v in dd.items():
            if isinstance(v,dict):
                pre0 = pre + '_' + k
                flatten_json(v,pre0)
            if isinstance(v,int) or isinstance(v,str):
                pre1=pre+"_"+k
                res[pre1[1:]]=v
                #res.append((pre1,v))
            if isinstance(v,list):
                for i,ele in enumerate(v):
                    pre2 = pre + "_" + k +str(i)
                    if isinstance(ele,dict):
                        flatten_json(ele,pre2)
    flatten_json(dd,pre)
    return res


result=get_flatten_json(ele,"")     ### 这里调用下函数就好

输出：

{
	'_source_gmt_create': '2020-02-20 14:18:51',
	'_source_id_number': '33049319920423****',
	'_source_result_desc_ANTIFRAUD_final_score': 237,
	'_source_result_desc_ANTIFRAUD_risk_items0_rule_id': 28271704,
	'_source_result_desc_ANTIFRAUD_risk_items0_policy_score': 237,
	'_source_result_desc_ANTIFRAUD_risk_items0_score': 88,
	'_source_result_desc_ANTIFRAUD_risk_items0_policy_mode': 'Weighted',
	'_source_result_desc_ANTIFRAUD_risk_items0_decision': 'Accept',
	'_source_result_desc_ANTIFRAUD_risk_items0_policy_decision': 'Reject',
	'_source_result_desc_ANTIFRAUD_risk_items0_policy_name': 'STARK借款_网页',
	'_source_result_desc_ANTIFRAUD_risk_items0_risk_name': '身份证格式校验错误',
	'_source_result_desc_ANTIFRAUD_risk_items1_rule_id': 28272014,
	'_source_result_desc_ANTIFRAUD_risk_items1_policy_score': 237,
	'_source_result_desc_ANTIFRAUD_risk_items1_score': 30,
	'_source_result_desc_ANTIFRAUD_risk_items1_policy_mode': 'Weighted',
	'_source_result_desc_ANTIFRAUD_risk_items1_decision': 'Accept',
	'_source_result_desc_ANTIFRAUD_risk_items1_policy_decision': 'Reject',
	'_source_result_desc_ANTIFRAUD_risk_items1_policy_name': 'STARK借款_网页',
	'_source_result_desc_ANTIFRAUD_risk_items1_risk_name': '手机号格式校验错误'
}