python爬虫中json的用法_Python爬虫——jsonPath的使用

1. JSON与JsonPATH

JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式，它使得人们很容易的进行阅读和编写。同时也方便了机器进行解析和生成。适用于进行数据交互的场景，比如网站前台与后台之间的数据交互。

JSON和XML的比较可谓不相上下。

Python 中自带了JSON模块，直接import json就可以使用了。

2. JSON

json简单说就是javascript中的对象和数组，所以这两种结构就是对象和数组两种结构，通过这两种结构可以表示各种复杂的结构

对象：对象在js中表示为{ }括起来的内容，数据结构为 { key：value, key：value, ... }的键值对的结构，在面向对象的语言中，key为对象的属性，value为对应的属性值，所以很容易理解，取值方法为 对象.key 获取属性值，这个属性值的类型可以是数字、字符串、数组、对象这几种

数组：数组在js中是中括号[ ]括起来的内容，数据结构为 ["Python", "javascript", "C++", ...]，取值方式和所有语言中一样，使用索引获取，字段值的类型可以是 数字、字符串、数组、对象几种

3. Python中的json模块

json模块提供了四个功能：dumps、dump、loads、load，用于字符串 和 python数据类型间进行转换

3.1 json.loads()

把Json格式字符串解码转换成Python对象 从json到python的类型转化对照如下：

import json

strList = '[1, 2, 3, 4]'

strDict = '{"city": "北京", "name": "范爷"}'

json.loads(strList)

# [1, 2, 3, 4]

json.loads(strDict) # json数据自动按Unicode存储

# {u'city': u'\u5317\u4eac', u'name': u'\u5927\u732b'}

3.2 json.dumps()

实现python类型转化为json字符串，返回一个str对象 把一个Python对象编码转换成Json字符串

从python原始类型向json类型的转化对照如下：

# json_dumps.py

import json

listStr = [1, 2, 3, 4]

tupleStr = (1, 2, 3, 4)

dictStr = {"city": "北京", "name": "范爷"}

json.dumps(listStr)

# '[1, 2, 3, 4]'

json.dumps(tupleStr)

# '[1, 2, 3, 4]'

# 注意：json.dumps() 序列化时默认使用的ascii编码

# 添加参数 ensure_ascii=False 禁用ascii编码，按utf-8编码

json.dumps(dictStr)

# '{"city": "\\u5317\\u4eac", "name": "\\u5927\\u5218"}'

print(json.dumps(dictStr, ensure_ascii=False))

# {"city": "北京", "name": "范爷"}

3.3 json.dump()

将Python内置类型序列化为json对象后写入文件

import json

listStr = [{"city": "北京"}, {"name": "范爷"}]

json.dump(listStr, open("listStr.json","w"), ensure_ascii=False)

dictStr = {"city": "北京", "name": "范爷"}

json.dump(dictStr, open("dictStr.json","w"), ensure_ascii=False)

3.4 json.load()

读取文件中json形式的字符串元素 转化成python类型

import json

strList = json.load(open("listStr.json"))

print(strList)

# [{u'city': u'\u5317\u4eac'}, {u'name': u'\u5927\u5218'}]

strDict = json.load(open("dictStr.json"))

print(strDict)

# {u'city': u'\u5317\u4eac', u'name': u'\u5927\u5218'}

4 JsonPath

JsonPath 是一种信息抽取类库，是从JSON文档中抽取指定信息的工具，提供多种语言实现版本，包括：Javascript, Python， PHP 和 Java。

JsonPath 对于 JSON 来说，相当于 XPATH 对于 XML。

安装方法：pip install jsonpath

5 JsonPath与XPath语法对比

Json结构清晰，可读性高，复杂度低，非常容易匹配，下表中对应了XPath的用法

XPath

JSONPath

描述

/

$

根节点（与XPath比 jsonPath开头必须要加$）

.

@

现行节点

/

.or[]

取子节点

..

n/a

取父节点，Jsonpath未支持

//

..

就是不管位置，选择所有符合条件的条件

*

*

匹配所有元素节点

@

n/a

根据属性访问，Json不支持，因为Json是个Key-value递归结构，不需要。

[]

[]

迭代器标示（可以在里边做简单的迭代操作，如数组下标，根据内容选值等）

[,]

[]

?()

支持过滤操作.

n/a

()

支持表达式计算

()

n/a

分组，JsonPath不支持

6. 示例

# -*- encoding: utf-8 -*-

'''

@File : jsonpath_demo.py

@Time : 2020/04/10 21:48:56

@Author : bAdblocks

@Version : 1.0

@Contact : betterWL@hotmail.com

'''

# here put the import lib

from jsonpath import jsonpath

import requests

from fake_useragent import UserAgent

import json

url = "http://www.lagou.com/lbs/getAllCitySearchLabels.json"

headers = {

"User-Agent":UserAgent(use_cache_server=False).chrome

}

r = requests.get(url, headers=headers)

names = jsonpath(r.json(), "$..name")# 与XPath比 开头必须要加$

print(names)