JSON

json作为现在最盛行的传输格局，在Python中也有呼应的实现方式，便是因为JSON格局的文本能够跨平台而且简略易用，所以广为流传，那么咱们今日就主要讨论一下，怎么娴熟的运用Python的JSON库来处理json映射到文本，而且再从文本映射到目标中。咱们现在就开始。

官方json库

官方的json库有许多，规范库：json 、 marshal、 pickle ，其间我最喜欢用其间的json，因为pickle 存在许多反序列化漏洞，而且是二进制类型的，json更像咱们Java中的fastjson相同操作，可是还是跟fastjson有很大不同的。咱们继续看。

简略用法

import json
json.dumps(['foo', {'bar': ('baz', None, 1.0, 2)}])
# '["foo", {"bar": ["baz", null, 1.0, 2]}]'
print(json.dumps(""foobar"))
# ""foobar"
print(json.dumps('u1234'))
# "u1234"
print(json.dumps('\'))
# "\"
print(json.dumps({"c": 0, "b": 0, "a": 0}, sort_keys=True))
# {"a": 0, "b": 0, "c": 0}
from io import StringIO
io = StringIO()
json.dump(['streaming API'], io)
io.getvalue()
# '["streaming API"]'

上面这都是官方实例，咱们不多说了，咱们解说一下咱们作业中怎么运用json进行序列化和反序列化目标。

进阶用法

假如咱们的前端返回给后端一串json文本，咱们怎么正确的映射到目标中呢？其实关于我来讲，运用目标反而会影响Python的快速开发，直接字典用起来就完事了，别面向目标了了。可是的确目标更规范一些，我来演示一下：

{“status”:1,”info”:”成功”,”data”:{“id”:”52″,”age”:”70″}}

上面是咱们接纳的参数，咱们处理一下将其映射到目标中。

import json
class Response_data:
    def __init__(self, id, feed_id):
        super().__init__()
        self.id = id
        self.feed_id = feed_id
class Response:
    def __init__(self, status=None, info=None, data=None) -> None:
        super().__init__()
        self.status = status
        self.info = info
        self.data = data
    def to_json(self):
        return {
            "status": self.status,
            "info": self.info,
            "data": self.data.__dict__ if self.data else None
        }
    @staticmethod
    def object_hook(d):
        if "status" in d :
            return Response(d['status'], d['info'], d['data'])
        else:
            return Response_data(d['id'],d['feed_id'])
body = '{"status":1,"info":"发布成功","data":{"id":"52","feed_id":"70"}}'
resp = json.loads(body, object_hook=Response.object_hook)
print(json.dumps(resp.to_json(),ensure_ascii=False))

上面用到了object_hook参数，这个参数主要便是用来自定义解码函数的。入参数规范反序列化后的dict，咱们能够根据自己的规则转换输出为想要的格局。

我为什么需求在object_hook中写一个if判别呢？主要是因为object_hook参数反序列化时，是递归出来的，因为我的json文本是嵌套结构，所以嵌套几层就会递归几层，所以我需求先封装好Response_data后，才干继续封装Response，这根Java中的JSON序列化天差地别，Java中的序列化，咱们可不必管这么多，可是Python不只需求咱们自己指定参数名称，而且还得处理好嵌套。

假如在解析中文时遇到问题，或许是因为默许的编码格局不支撑中文字符。你能够尝试运用ensure_ascii=False参数来处理这个问题。这个参数会禁用ASCII编码，然后保留中文字符的原始形式。

多说一句

json库是Python2.6版中加入的。假如您运用更早版别的Python， 能够通过PyPI获取 simplejson 库。

json 类型转换到 python 的类型对照表：

三方json库

demjson

Demjson 是 python 的第三方模块库，可用于编码和解码 JSON 数据，包括了 JSONLint 的格局化及校验功用。demjson也支撑hook。有两种配置的方式：decode函数配置和set_hook函数配置。

Github 地址：github.com/dmeranda/de…

官方地址：deron.meranda.us/python/demj…

decode函数能够指定许多参数，其间就包括hook函数。hook函数的指定是运用键值对的方式，键是hook函数的名称，值是hook函数。

因为装置报错，需求下降setuptools到57.5.0版别，所以我就不去实验了。

orjson

在日常的开发作业中，咱们经常需求将一些数据存储为JSON格局，最常用的便是Python原生的JSON库，可是该库速度较慢， 当数据量过大时，运用不便。而orjson的功用强大，它支撑多种类型的数据序列化，开发者还能够根据需求定制化输出， 与其他第三方JSON库相比，效率更高。

咱们来看下他是怎么运作的。下面是一个运用 dataclasses 模块的示例：

from dataclasses import dataclass
@dataclass
class Person:
    name: str
    age: int
# 假定您有一个包括 JSON 数据的字符串
json_data = '{"name": "xiaoyu", "age": 18}'
# 运用 orjson 反序列化 JSON 数据
import orjson
data_dict = orjson.loads(json_data)
# 将字典转换为 Person 目标
person = Person(**data_dict)
# 现在，您能够像拜访目标特点相同拜访 person 目标的特点
print(person.name)  # 输出 "xiaoyu"
print(person.age)   # 输出 18

这么一看的确跟官方json没啥区别，官方json也能做到，可是咱们再将person目标dumps出来时，json是不支撑的，orjson是能够支撑的。

orjson.dumps(person)

option参数

orjson还支撑运用option参数能够定制序列化的结果。太多的我就不列举了，我就简略举一个日期格局的例子吧，究竟日期格局基本上咱们作业中都需求做一下处理。

option=orjson.OPT_NAIVE_UTC: 这个选项会使得序列化的日期时间目标以字符串的形式出现，而不是默许的 ISO 8601 格局。这在一些情况下或许更方便，例如与其他体系进行数据交换时。

import orjson
from datetime import datetime
data = {"name": "xiaoyu", "dob": datetime(2020, 5, 1)}
json_data = orjson.dumps(data, option=orjson.OPT_OMIT_MICROSECONDS)
print(json_data.decode())

为什么需求decode呢？主要是因为orjson返回的二进制，假如想要str类型所以需求解码。

总结

JSON是一种盛行的数据传输格局，Python中有多种处理JSON的方式。官方的json库是最常用的，它供给了简略的用法来序列化和反序列化JSON文本。此外，它还支撑自定义解码函数，能够将JSON映射到目标中。

在运用官方json库时，能够运用dumps函数将Python目标转换为JSON文本，也能够运用loads函数将JSON文本转换为Python目标。假如需求自定义解码函数，能够运用object_hook参数来实现。

除了官方的json库，还有一些第三方的库可供选择。例如，demjson库供给了JSON数据的编码和解码功用，并支撑hook函数。别的，orjson库是一个高效的JSON库，支撑多种数据类型的序列化，并供给了定制化输出的选项。

总归，掌握Python的JSON处理库关于处理JSON数据非常重要，能够协助咱们在项目开发中更加高效地处理JSON数据。