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。
官方文档：http://docs.Python.org/library/json.html
Json在线解析网站：http://www.json.cn/#
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：
| JSON | Python |
|---|---|
| object | dict |
| array | list |
| string | unicode |
| number(int) | int,long |
| number(real) | float |
| true(false) | True(False) |
| None |
1.json.loads
import jsonstrDict = '{"city": "广州", "name": "小黑"}'r = json.loads(strDict) # json数据自动按Unicode存储print(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 jsons = 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 jsonlistStr = [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 jsonjson_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。
https://pypi.python.org/pypi/jsonpath
安装方法：点击
Download URL链接下载jsonpath，解压之后执行python setup.py install官方文档：http://goessner.net/articles/JsonPath
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。
XPath JSONPath 描述 /$根节点 .@现行节点 /.or取子节点 ..n/a 取父节点，Jsonpath未支持 //..就是不管位置，选择所有符合条件的条件 **匹配所有元素节点 @n/a 根据属性访问，Json不支持，因为Json是个Key-value递归结构，不需要。 迭代器表示（可以在里边做简单的迭代操作，如数组下标，根据内容选值等） | [,]支持迭代器中做多选。 ?支持过滤操作. n/a 支持表达式计算 n/a 分组，JsonPath不支持 四、案例测试
我们爬取淘票票官网的城市信息,保存为json文件,进行jsonpath语法测试，获取所有城市名称。
请求
import requestsimport timeurl = 'https://dianying.taobao.com/cityAction.json?activityId&_ksTS=1632211792156_137&jsoncallback=jsonp138&action=cityAction&n_s=new&event_submit_doGetAllRegion=true'headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.106 Safari/537.36',}res = requests.get(url,headers=headers)result = res.content.decode('utf-8')print(result) # xxx省略注意：
headers里面的键值对最好都加上，还是有反爬的，该网站，这里为了简便省去了；
保存数据
content = result.split('(')[1].split(')')[0] # 由于文件首尾的字符不需要需要剔除掉做字符串切割with open('tpp.json','w',encoding='utf-8')as fp:fp.write(content)打开json文件如下所示：
解析数据
这里我们获取全部城市名称
import jsonimport jsonpathobj = json.load(open('tpp.json','r',encoding='utf-8')) # 注意，这里是文件的形式，不能直接放一个文件名的字符串city_list = jsonpath.jsonpath(obj,'$..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。
,
