用Python解析json数据

json 模块

jsonJavaScript程序编写数据结构的原生方式,在Python中,字典的格式和json格式在显示上是一样的,但是字典是dict,而json是str。那么如何将一个字符串类型的dictlist转换成实实在在的dictlist呢,请往下看。

>>> import json

Python的json模块主要包含两大函数。

  1. json.dumps把一个Python对象编码转换成json字符串
  2. json.loadsjson格式字符串解码转换成Python对象

其中json有下面三种样式(姑且称之为样式 v

  1. 字典样式 '{"name":"gzj", "age":"23", "sex":"man"}'
  2. 列表样式 '["gzj", 23, "man"]'
  3. 字典和列表相互嵌套的样式 """["gzj", "{'age':'23'}"]"""
    特别注意JSON字符串中的内容用双引号,而非单引号。若存在嵌套的情况,则最外层用""" 中间的内容 """表示。

下面以第二种情况举例如下,在交互式环境中输入以下代码:

>>> stringOfJsonData = "[[1, 2, 3, 'abcd'], [2, 3, 4, 'def']]"
>>> json.loads(stringOfJsonData)
Traceback (most recent call last):
  File "", line 1, in 
  File "C:\Anaconda3\lib\json\__init__.py", line 354, in loads
    return _default_decoder.decode(s)
  File "C:\Anaconda3\lib\json\decoder.py", line 339, in decode
    obj, end = self.raw_decode(s, idx=_w(s, 0).end())
  File "C:\Anaconda3\lib\json\decoder.py", line 357, in raw_decode
    raise JSONDecodeError("Expecting value", s, err.value) from None
json.decoder.JSONDecodeError: Expecting value: line 1 column 12 (char 11)

问题在于JSON字符串中的内容应该用双引号,而非单引号。
重新修改后,在交互式环境中输入以下代码:

>>> stringOfJsonData = '[[1, 2, 3, "abcd"], [2, 3, 4, "def"]]'
>>> jsonDataAsPythonValue = json.loads(stringOfJsonData)
>>> jsonDataAsPythonValue
[[1, 2, 3, 'abcd'], [2, 3, 4, 'def']]
>>> type(jsonDataAsPythonValue)

逆过程如下:

>>> pythonValue = [[1, 2, 3, 'abcd'], [2, 3, 4, 'def']]
>>> stringOfJsonData = json.dumps(pythonValue)
>>> stringOfJsonData
'[[1, 2, 3, "abcd"], [2, 3, 4, "def"]]'
>>> type(stringOfJsonData)

实例:下载json数据并解析

爬取深交所的上市公司公告http://disclosure.szse.cn/m/drgg.htm,通过分析,找到公告列表的“应用程序编程接口(API)”,即请求http://disclosure.szse.cn//disclosure/fulltext/plate/szlatest_24h.js这个URL就可以获得想要的数据,这个页面提供就是 json 数据。如图1所示。

用Python解析json数据_第1张图片
图1

稍微有一点瑕疵的是我红色圆圈标记的地方,那是 js 定义数组,我们将网页中的文字拷贝到pycharm编辑器中,去掉var三个字母,然后格式化显示(ctrl+alt+\),如图2和图3所示。

用Python解析json数据_第2张图片
图2

……

图3

这样我们就能很清楚看到这就是Python中的list。

import json
import requests

res = requests.get('http://disclosure.szse.cn//disclosure/fulltext/plate/szlatest_24h.js')
res.encoding = 'gbk'  # 得到的结果转换为 gbk 编码
all_news = json.loads(res.text[17:-2])  # 从第一个'['取到最后一个']',可以先将res.text打印出来,查看里面的元素情况,以此来确定取的位置

# 遍历由json数据得到的list
for each_news in all_news:
    url = each_news[1]  # 获取公告的URL
    title = each_news[2]  # 获取公告的标题
    time = each_news[-1]  # 获取公告发布的时间
    print(url,title,time)


该文章于2017年7月26日于CSDN上首次发表,2017年12月24日搬家至此!

你可能感兴趣的