Python json模块使用实例
更新时间：2015年04月11日 11:43:47 投稿：junjie
这篇文章主要介绍了Python json模块使用实例,本文给出多个使用代码实例,需要的朋友可以参考下
实际上JSON就是Python字典的字符串表示，但是字典作为一个复杂对象是无法直接传递,所以需要将其转换成字符串形式.转换的过程也是一种序列化过程.
用json.dumps序列化为json字符串格式
复制代码 代码如下:
>>> import json
>>> dic {'Connection': ['keep-alive'], 'Host': ['127.0.0.1:5000'], 'Cache-Control': ['max-age=0']}
>>> jdict = json.dumps({'Connection': ['keep-alive'], 'Host': ['127.0.0.1:5000'], 'Cache-Control': ['max-age=0']})
>>> print jdict
{"Connection": ["keep-alive"], "Host": ["127.0.0.1:5000"], "Cache-Control": ["max-age=0"]}
虽然dic和jdict打印的字符串是相同的,但是实际它们的类型是不一样的.dic是字典类型,jdict是字符串类型
复制代码 代码如下:
<type 'dict'>
>>> type(jdic)
>>> type(jdict)
<type 'str'>
可以用json.dumps序列化列表为json字符串格式
复制代码 代码如下:
>>> list = [1, 4, 3, 2, 5]
>>> jlist = json.dumps(list)
>>> print jlist
[1, 4, 3, 2, 5]
list和jlist类型同样是不一样的
复制代码 代码如下:
>>> type(list)
<type 'list'>
>>> type(jlist)
<type 'str'>
json.dumps有如下多种参数
复制代码 代码如下:
json.dumps(obj, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, encoding="utf-8", default=None, sort_keys=False, **kw)
key排序
复制代码 代码如下:
>>> print json.dumps({1:'a', 4:'b', 3:'c', 2:'d', 5:'f'},sort_keys=True)
{"1": "a", "2": "d", "3": "c", "4": "b", "5": "f"}
格式对齐
复制代码 代码如下:
>>> print json.dumps({'4': 5, '6': 7}, sort_keys=True, indent=4)
{
"4": 5,
"6": 7
}
指定分隔符
复制代码 代码如下:
>>> json.dumps([1,2,3,{'4': 5, '6': 7}], separators=(',',':'))
'[1,2,3,{"4":5,"6":7}]'
用json.dump序列化到文件对象中
复制代码 代码如下:
>>> json.dump({'4': 5, '6': 7}, open('savejson.txt', 'w'))
>>> print open('savejson.txt').readlines()
['{"4": 5, "6": 7}']
json.dump参数和json.dumps类似
复制代码 代码如下:
json.dump(obj, fp, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, encoding="utf-8", default=None, sort_keys=False, **kw)
json.loads把json字符串反序列化为python对象
函数签名为:
复制代码 代码如下:
json.loads(s[, encoding[, cls[, object_hook[, parse_float[, parse_int[, parse_constant[, object_pairs_hook[, **kw]]]]]]]])
注意这里的”s”必须是字符串,反序列化后为unicode字符
复制代码 代码如下:
>>> dobj = json.loads('{"name":"aaa", "age":18}')
>>> type(dobj)
<type 'dict'>
>>> print dobj
{u'age': 18, u'name': u'aaa'}
json.load从文件中反序列化为python对象
签名为:
复制代码 代码如下:
json.load(fp[, encoding[, cls[, object_hook[, parse_float[, parse_int[, parse_constant[, object_pairs_hook[, **kw]]]]]]]])
实例:
复制代码 代码如下:
>>> fobj = json.load(open('savejson.txt'))
>>> print fobj
{u'4': 5, u'6': 7}
>>> type(fobj)
<type 'dict'>
相关文章
今天小编就为大家分享一篇用Python画小女孩放风筝的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-11-11
这篇文章主要介绍了Python 剪绳子的多种思路实现(动态规划和贪心)，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-02-02
这篇文章主要给大家介绍了关于django配置连接数据库，以及原生sql语句的使用方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧2019-03-03
这篇文章主要介绍了如何让python程序正确高效地并发，文章围绕主题的相关资料展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-06-06
在Keras中利用np.random.shuffle()打乱数据集实例
这篇文章主要介绍了在Keras中利用np.random.shuffle()打乱数据集实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-06-06
这篇文章主要介绍了PYcharm 激活方法，本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-03-03
10个经典的机器学习算法包括：线性回归、逻辑回归、K-最近邻（KNN）、支持向量机（SVM）、决策树、随机森林、朴素贝叶斯、K-均值聚类、主成分分析（PCA）、和梯度提升（Gradient Boosting）,我将使用常见的机器学习库,如scikit-learn,numpy和pandas 来实现这些算法2024-06-06
Pandas 中的多级索引是一种强大的工具,用于处理具有多个维度或层次的数据,本文主要介绍了Pandas多级索引的实现示例,具有一定的参考价值,感兴趣的可以了解一下2024-01-01
总是记不住API。昨晚写的时候用到了这些，但是没记住，于是就索性整理一下吧,方便需要的朋友2016-08-08
这篇文章主要介绍了python如何发送xml格式请求数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2024-06-06
最新评论