python json取值_Python接口自动化（一）---json数据类型取值

d= {key1: value1, key2: value2}

我们举一个例子

>>> d = {"name":"XiaoMing","age":"15","sexy":"man"}

>>> d["name"]

'XiaoMing'

四，答案解析

那么，分析完以上信息，就可以开始我们取值了，相信你看到这里，就会感觉，无论多少数据，取值会很简单的

1，status

取第一个值：status，它就在字典里面第一个，所以很好取值，就是

>>> r["status"]

'OK'

2,city_name = 上海

取第二个值：city_name为上海，这里面有点绕，dict+list+dict，其实这样分析出来就很简单了，那么我们就开始一步步分析吧

上海在weather里面，所以我们取值

r["weather"]

[{'now': {'text': '阴', 'code': '9'}, 'city_name': '上海', 'future': [{'high': '22', 'date': '2017-05-12'}, {'high': '30', 'date': '2017-05-13'}]}, ('NanChang', 'ChangSha', 'HangZhou'), ('ShangHai', 'BeiJing', 'ShenZhen')]

city_name在list里面的第一个dict里面，所以我们取值

>>> r["weather"][0]

{'now': {'text': '阴', 'code': '9'}, 'city_name': '上海', 'future': [{'high': '22', 'date': '2017-05-12'}, {'high': '30', 'date': '2017-05-13'}]}

上海在dict的city_name里面，所以就很简单的三步取值取出来的

>>> r["weather"][0]["city_name"]

'上海'

3,date = 2017-05-13

现在取第三个值date为2017-05-13，这个其实就是比上面的多了两步，多了一个list和一个dict，我就直接写答案了

>>> r["weather"][0]["future"][1]["date"]

'2017-05-13'

4,ChangSha 和 ShenZhen的取值

现在取第四个值，元组里面的"ChangSha"

"ChangSha"在元组里面，这个元组在list里面，所以，我们先要获取到该元组

r["weather"][1]

('NanChang', 'ChangSha', 'HangZhou')

在下一步

r["weather"][1][1]

'ChangSha'

同理，list里面的"ShenZhen"的值就会变得很简单了，我就直接写答案了

>>> r["weather"][2][2]

'ShenZhen'

解析数据其实很简单，只要有点基础，就可以解析，只不过第二个值会有点绕，dict+list+dict+list，经过一分析，就会发现，其实不会太难，一步一步慢慢分析，做测试不是会去找bug，也要去分析原因，你会事半功倍的。

最后附上所有的代码

r = {

"status": "OK",

"weather": [

{

"city_name": "上海",

"now": {

"text": "阴",

"code": "9"

},

"future": [

{

"date": "2017-05-12",

"high": "22"

},

{

"date": "2017-05-13",

"high": "30"

}

]

},

("NanChang","ChangSha","HangZhou"),

("ShangHai","BeiJing","ShenZhen")

]

}

>>> r["status"]

'OK'

>>> r["weather"]

[{'now': {'text': '阴', 'code': '9'}, 'city_name': '上海', 'future': [{'high': '22', 'date': '2017-05-12'}, {'high': '30', 'date': '2017-05-13'}]}, ('NanChang', 'ChangSha', 'HangZhou'), ('ShangHai', 'BeiJing', 'ShenZhen')]

>>> r["weather"][0]

{'now': {'text': '阴', 'code': '9'}, 'city_name': '上海', 'future': [{'high': '22', 'date': '2017-05-12'}, {'high': '30', 'date': '2017-05-13'}]}

>>> r["weather"][0]["city_name"]

'上海'

>>> r["weather"][0]

{'now': {'text': '阴', 'code': '9'}, 'city_name': '上海', 'future': [{'high': '22', 'date': '2017-05-12'}, {'high': '30', 'date': '2017-05-13'}]}

>>> r["weather"][0]["future"]

[{'high': '22', 'date': '2017-05-12'}, {'high': '30', 'date': '2017-05-13'}]

>>> r["weather"][0]["future"][1]["date"]

'2017-05-13'

>>> r["weather"][1][1]

'ChangSha'

>>> r["weather"][2][2]

'ShenZhen'

禁止转载以及商业用途，仅作为学习资料，违者必究