第一章 json
一、json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
> 1. 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。
> 2. 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。
二、json用法
导包
import json
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。
1.json.loads()
作用：把json格式的字符串转为Python数据类型
示例代码：
import json#json格式的字符串
strList = '[1, 2, 3, 4]'
strDict = '{"city": "北京", "name": "大猫"}'list=json.loads(strList)
print(list)
print(type(list))
# [1, 2, 3, 4]
dict=json.loads(strDict)
print(dict)# json数据自动按Unicode存储
print(type(dict))
2.json.load()
pingping.json
示例代码
import jsonwith open('./pingping.json', 'r') as f:data = json.load(f)print(data)
print(data["name"]) # 输出: pingping
print(data["age"]) # 输出: 23
print(data["is_active"]) # 输出: True
3.json.dumps()
示例代码：
import json# json.dumps()之前
item = {'name':'QQ','app_id':1}
print('before dumps',type(item)) # dict
# json.dumps之后
item = json.dumps(item)
print('after dumps',type(item)) # str
4.json.dump()
注意：一般让你把抓取的数据保存为json文件时使用
示例代码：
import jsonitem_list = []
for i in range(3):item = {'name': 'QQ', 'id': i}item_list.append(item)with open('xiaomi.json', 'a') as f:json.dump(item_list, f, ensure_ascii=False)
5.json模块总结
爬虫最常用
1、数据抓取 - json.loads(html)
2、数据保存 - json.dump(item_list,f,ensure_ascii=False)
将抓取的数据保存到本地 json文件
抓取数据一般处理方式
1、txt文件
2、csv文件
3、json文件
4、MySQL数据库
5、MongoDB数据库
6、Redis数据库
第二章 jsonpath
一、jsonpath简介
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。
> 下载地址：[https://pypi.python.org/pypi/jsonpath](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`
或者终端命令中输入pip install josnpath
> > 官方文档：[http://goessner.net/articles/JsonPath](http://goessner.net/articles/JsonPath/)
二、jsonpath的使用
1. jsonpath 函数参数
我们在使用jsonpathd的时候一般是使用它里面的jsonpath函数，即jsonpath.jsonpath()。
jsonpath()接受5个参数，如下
jsonpath(obj, expr, result_type='VALUE', debug=0, use_eval=True)
obj：要搜索的 JSON 对象。
expr：JSONPath 表达式，用于指定要提取的值的路径。
result_type：可选参数，用于指定返回结果的类型。默认为 ‘VALUE’，表示返回匹配到的值；还可以选择 ‘PATH’，表示返回匹配到的路径；或者选择 ‘BOTH’，表示同时返回匹配到的值和路径。
debug：可选参数，用于控制调试模式。默认为 0，表示关闭调试模式；设置为 1，则会在控制台输出调试信息。
use_eval：可选参数，用于指定是否使用 eval() 函数来计算表达式。默认为 True，表示使用 eval()；设置为 False，则会使用更安全的方式来计算表达式。
其中obj 和 expr 是必须参数，即要处理的json数据对象和提取表达式，常用的就是这两个参数，其他参数可以根据个人需要赋值。
2.jsonpath 匹配规则
| jsonpath | |
|---|---|
| $ | 从根节点开始匹配 |
| @ | 从当前节点开始匹配 |
| . or [ ] | 取子节点 |
| . . | 就是不管位置，选择所有符合条件的条件(递归匹配) |
| * | 匹配所有节点 |
| [ ] | 迭代器标示（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 |
| ( ) | 支持表达式 |
如：
| 表达式 | 描述 |
|---|---|
|
| 根对象 |
|
| 根对象下的 store 属性 |
|
| store 对象下的 book 属性 |
|
| book 数组中的所有元素 |
|
| book 数组中索引为 0 的元素 |
|
| book 数组中每个元素的 author 属性 |
|
| 所有嵌套的 author 属性 |
|
| store 对象中的所有属性 |
|
| 所有嵌套的属性 |
|
| book 数组中所有有 isbn 属性的元素 |
|
| book 数组中所有价格小于 10 的元素 |
|
| book 数组中所有价格小于等于 10 且类别为小说的元素 |
|
| book 数组中所有打折后价格小于 10 的元素 |
|
| book 数组中索引从 0 到 2 的元素 |
|
| book 数组中索引从 0 到 1 的元素 |
|
| book 数组中索引从 1 到最后的元素 |
|
| book 数组中的最后一个元素 |
|
| book 数组中索引从 1 到 1 的元素，步长为 1 |
|
| book 数组的长度 |
|
| 所有嵌套的 book 数组中价格小于 10 的元素的 title 属性 |
|
| 所有有 isbn 属性的嵌套元素 |
|
| 所有价格小于 10 的嵌套元素 |
|
| 所有价格小于等于 10 且类别为小说的嵌套元素 |
|
| 所有打折后价格小于 10 的嵌套元素 |
|
| 所有价格小于 10 的嵌套元素的 author 属性 |
|
| 所有价格小于 10 的嵌套元素的 title 属性 |
示例代码：
from jsonpath import jsonpath
data = { "store": {"book": [{ "category": "reference","author": "Nigel Rees","title": "Sayings of the Century","price": 8.95},{ "category": "fiction","author": "Evelyn Waugh","title": "Sword of Honour","price": 12.99},{ "category": "fiction","author": "Herman Melville","title": "Moby Dick","isbn": "0-553-21311-3","price": 8.99},{ "category": "fiction","author": "J. R. R. Tolkien","title": "The Lord of the Rings","isbn": "0-395-19395-8","price": 22.99}],"bicycle": {"color": "red","price": 19.95}}
}
authors=jsonpath(data,'$..author')
titles=jsonpath(data,'$.store.book[*].title')
items=jsonpath(data,'$.store.*')
print(authors)
print(titles)
print(items)
