• 发文
  • 评论
  • 微博
  • 空间
  • 微信

数据提取之json与jsonpath-利来app官方下载

背景介绍

我们知道再爬虫的过程中我们对于爬取到的网页数据需要进行解析,因为大多数数据是不需要的,所以我们需要进行数据解析,常用的数据解析方式有正则表达式,xpath,bs4,这次我们来介绍一下另一个数据解析库--jsonpath,在此之前我们需要先了解一下什么是json。

一、初识json

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。

python 2.7及之后版本,自带了json模块,直接import json就可以使用了。

二、json的基本使用

简介

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。

使用

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。

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:

image.png

1.json.loads()

import json

strdict = '{"city": "广州", "name": "小黑"}'

r = json.loads(strdict) # json数据自动按unicode存储

rint(r)

结果如下:

{'city': '广州', 'name': '小黑'}

2. json.load()

读取文件中json形式的字符串元素 转化成python类型

import json

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

print(s,type(s))

结果如下:

{'city': '广州', 'name': '小黑'} <class 'dict'>

3. 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

import json

liststr = [1, 2, 3, 4]

dictstr = {"city": "北京", "name": "大猫"}

s1 = json.dumps(liststr)

s2 = json.dumps(dictstr,ensure_ascii=false)

print(s1,type(s1))

print(s2)

结果如下:

[1, 2, 3, 4] <class 'str'>{"city": "北京", "name": "大猫"} <class 'str'>

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

4. json.dump()

将python内置类型序列化为json对象后写入文件

import json

json_info = "{'age': '12'}"

file = open('ceshi.json','w',encoding='utf-8')

json.dump(json_info,file)

结果如下:

ceshii,json(目录文件产生)

三、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:点击download url链接下载jsonpath,解压之后执行python setup.py install

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。

image.png

四、案例测试

我们爬取淘票票利来app官方下载官网的城市信息,保存为json文件,进行jsonpath语法测试,获取所有城市名称。

请求

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里面的键值对最好都加上,还是有反爬的,该网站,这里为了简便省去了;

保存数据

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)

打开json文件如下所示:

解析数据

这里我们获取全部城市名称

import json

import jsonpath

obj = json.load(open('tpp.json','r',encoding='utf-8')) # 注意,这里是文件的形式,不能直接放一个文件名的字符串

city_list = jsonpath.jsonpath(obj,'$..regionname') # 文件对象   jsonpath语法

print(city_list)

结果如下:

五、总结

我们知道json是一种常见的数据传输形式,所以对于爬取数据的数据解析,json的相关操作是比较重要的,能够加快我们的数据提取效率,本文简单介绍了json和jsonpath的相关操作,对于测试网站(淘票票)的json做了简单的数据解析,感兴趣的小伙伴可以把其他数据解析一下。

声明:本文为ofweek维科号作者发布,不代表ofweek维科号立场。如有侵权或其他问题,请及时联系利来国际下载举报。
2
评论
评论

相关阅读

暂无数据

python进阶学习交流

专注于分python网络爬虫、数...

热门文章排行榜
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

举报文章问题

×
  • 营销广告
  • 重复、旧闻
  • 格式问题
  • 低俗
  • 标题夸张
  • 与事实不符
  • 疑似抄袭
  • 我有话要说
确定 取消

举报评论问题

×
  • 淫秽色情
  • 营销广告
  • 恶意攻击谩骂
  • 我要吐槽
确定 取消

用户登录×