[[437281]]

背景介紹

我們知道再爬蟲的過(guò)程中我們對(duì)于爬取到的網(wǎng)頁(yè)數(shù)據(jù)需要進(jìn)行解析,因?yàn)榇蠖鄶?shù)數(shù)據(jù)是不需要的,所以我們需要進(jìn)行數(shù)據(jù)解析,常用的數(shù)據(jù)解析方式有正則表達(dá)式,xpath,bs4,這次我們來(lái)介紹一下另一個(gè)數(shù)據(jù)解析庫(kù)--jsonpath,在此之前我們需要先了解一下什么是json。

一、初識(shí)Json

JSON(JavaScript Object Notation) 是一種輕量級(jí)的數(shù)據(jù)交換格式，它使得人們很容易的進(jìn)行閱讀和編寫。同時(shí)也方便了機(jī)器進(jìn)行解析和生成。適用于進(jìn)行數(shù)據(jù)交互的場(chǎng)景，比如網(wǎng)站前臺(tái)與后臺(tái)之間的數(shù)據(jù)交互。

Python 2.7及之后版本,自帶了JSON模塊，直接import json就可以使用了。

官方文檔：http://docs.python.org/library/json.html

Json在線解析網(wǎng)站：http://www.json.cn/#

二、Json的基本使用

簡(jiǎn)介

json簡(jiǎn)單說(shuō)就是javascript中的對(duì)象和數(shù)組，所以這兩種結(jié)構(gòu)就是對(duì)象和數(shù)組兩種結(jié)構(gòu)，通過(guò)這兩種結(jié)構(gòu)可以表示各種復(fù)雜的結(jié)構(gòu);

1. 對(duì)象：對(duì)象在js中表示為{ }括起來(lái)的內(nèi)容，數(shù)據(jù)結(jié)構(gòu)為 { key：value, key：value, ... }的鍵值對(duì)的結(jié)構(gòu)，在面向?qū)ο蟮恼Z(yǔ)言中，key為對(duì)象的屬性，value為對(duì)應(yīng)的屬性值，所以很容易理解，取值方法為 對(duì)象.key 獲取屬性值，這個(gè)屬性值的類型可以是數(shù)字、字符串、數(shù)組、對(duì)象這幾種。
2. 數(shù)組：數(shù)組在js中是中括號(hào)[ ]括起來(lái)的內(nèi)容，數(shù)據(jù)結(jié)構(gòu)為 ["Python", "javascript", "C++", ...]，取值方式和所有語(yǔ)言中一樣，使用索引獲取，字段值的類型可以是 數(shù)字、字符串、數(shù)組、對(duì)象幾種。

使用

json模塊提供了四個(gè)功能：dumps、dump、loads、load，用于字符串 和 python數(shù)據(jù)類型間進(jìn)行轉(zhuǎn)換。

把Json格式字符串解碼轉(zhuǎn)換成Python對(duì)象 從json到python的類型轉(zhuǎn)化對(duì)照如下：

1.json.loads()

import json 
 
strDict = '{"city": "廣州", "name": "小黑"}' 
 
r = json.loads(strDict) # json數(shù)據(jù)自動(dòng)按Unicode存儲(chǔ) 
 
print(r) 

結(jié)果如下：

{'city': '廣州', 'name': '小黑'} 

2. json.load()

讀取文件中json形式的字符串元素 轉(zhuǎn)化成python類型

import json 
s = json.load(open('test.json','r',encoding='utf-8')) 
print(s,type(s)) 

結(jié)果如下：

{'city': '廣州', 'name': '小黑'} 

3. json.dumps()

實(shí)現(xiàn)python類型轉(zhuǎn)化為json字符串，返回一個(gè)str對(duì)象 把一個(gè)Python對(duì)象編碼轉(zhuǎn)換成Json字符串

import json 
 
listStr = [1, 2, 3, 4] 
dictStr = {"city": "北京", "name": "大貓"} 
 
s1 = json.dumps(listStr) 
s2 = json.dumps(dictStr,ensure_ascii=False) 
 
print(s1,type(s1)) 
print(s2) 

結(jié)果如下：

[1, 2, 3, 4] {"city": "北京", "name": "大貓"} 

注意：

1. json.dumps() 序列化時(shí)默認(rèn)使用的ascii編碼
2. 添加參數(shù) ensure_ascii=False 禁用ascii編碼，按utf-8編碼

4. json.dump()

將Python內(nèi)置類型序列化為json對(duì)象后寫入文件

import json 
 
json_info = "{'age': '12'}" 
file = open('ceshi.json','w',encoding='utf-8') 
json.dump(json_info,file) 

結(jié)果如下：

ceshii,json(目錄文件產(chǎn)生)

三、JsonPath

JsonPath 是一種信息抽取類庫(kù)，是從JSON文檔中抽取指定信息的工具，提供多種語(yǔ)言實(shí)現(xiàn)版本，包括：Javascript, Python， PHP 和 Java。

JsonPath 對(duì)于 JSON 來(lái)說(shuō)，相當(dāng)于 XPATH 對(duì)于 XML。

下載地址：https://pypi.python.org/pypi/jsonpath

安裝方法：點(diǎn)擊Download URL鏈接下載jsonpath，解壓之后執(zhí)行python setup.py install

官方文檔：http://goessner.net/articles/JsonPath

JsonPath與XPath語(yǔ)法對(duì)比

Json結(jié)構(gòu)清晰，可讀性高，復(fù)雜度低，非常容易匹配，下表中對(duì)應(yīng)了XPath的用法。

四、案例測(cè)試

我們爬取淘票票官網(wǎng)的城市信息,保存為json文件,進(jìn)行jsonpath語(yǔ)法測(cè)試，獲取所有城市名稱。

請(qǐng)求

import requests 
import time 
 
url = 'https://dianying.taobao.com/cityAction.json?activityId&_ksTS=1632211792156_137&jsoncallback=jsonp138&action=cityAction&n_s=new&event_submit_doGetAllRegion=true' 
 
headers = { 
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.106 Safari/537.36', 
}  
 
res = requests.get(url,headers=headers) 
 
result = res.content.decode('utf-8') 
 
print(result) # xxx省略 

注意：

headers里面的鍵值對(duì)最好都加上，還是有反爬的，該網(wǎng)站，這里為了簡(jiǎn)便省去了;

保存數(shù)據(jù)

content = result.split('(')[1].split(')')[0] # 由于文件首尾的字符不需要需要剔除掉做字符串切割with open('tpp.json','w',encoding='utf-8')as fp: fp.write(content)

打開(kāi)json文件如下所示：

解析數(shù)據(jù)

這里我們獲取全部城市名稱

import json 
import jsonpath 
 
obj = json.load(open('tpp.json','r',encoding='utf-8')) # 注意，這里是文件的形式，不能直接放一個(gè)文件名的字符串 
 
city_list = jsonpath.jsonpath(obj,'$..regionName') # 文件對(duì)象   jsonpath語(yǔ)法 
 
print(city_list 

結(jié)果如下：

五、總結(jié)

我們知道json是一種常見(jiàn)的數(shù)據(jù)傳輸形式，所以對(duì)于爬取數(shù)據(jù)的數(shù)據(jù)解析，json的相關(guān)操作是比較重要的，能夠加快我們的數(shù)據(jù)提取效率，本文簡(jiǎn)單介紹了json和jsonpath的相關(guān)操作，對(duì)于測(cè)試網(wǎng)站(淘票票)的json做了簡(jiǎn)單的數(shù)據(jù)解析，感興趣的小伙伴可以把其他數(shù)據(jù)解析一下。