訂閱
糾錯(cuò)
加入自媒體

數(shù)據(jù)提取之JSON與JsonPATH的關(guān)系

背景介紹

我們知道再爬蟲的過程中我們對(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。

二、Json的基本使用

簡(jiǎn)介

json簡(jiǎn)單說就是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),通過這兩種結(jié)構(gòu)可以表示各種復(fù)雜的結(jié)構(gòu);

對(duì)象:對(duì)象在js中表示為{ }括起來的內(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。

數(shù)組:數(shù)組在js中是中括號(hào)[ ]括起來的內(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:

image.png

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)

rint(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'} <class 'dict'>

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] <class 'str'>{"city": "北京", "name": "大貓"} <class 'str'>

注意:

json.dumps() 序列化時(shí)默認(rèn)使用的ascii編碼

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 來說,相當(dāng)于 XPATH 對(duì)于 XML。

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

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。

image.png

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=j(luò)sonp138&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。

聲明: 本文由入駐維科號(hào)的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評(píng)論

暫無評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)