数据提取之JSON与JsonPATH
JSON(JavaScript Object Notation)是一种轻量级的数据交换格式，它是的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。
JSON和XML的比较可谓不相上下。
Python2.7中自带了JSON模块，直接import json就可以使用了。 官方博客：http://docs.python.org/library/json.html
Json在线解析网站：http://www.json.cn/#
JSON
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据两种结构，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。
import json
json模块提供了四个功能：dumps、dump、loads、load,用于字符串和python数据类型键进行转换。
1、json.loads()
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：
从json到python的转化关系
#json_loads.pyimport jsonstrList = '[1, 2, 3, 4]'strDict = '{"city":"北京", "name":"大猫"}'json.loads(strList)
for str in strList:print(str)
#[1, 2, 3, 4]json.loads(strDict) #json数据自动按Unicode存储
#{u'city': u'\u5317\u4eac', u'name': u'\u5927\u732b'}
2、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，从python原始类型向json类型转化对照表如下：
python向json转化
#json_dumps.py#-*- coding:utf-8 -*-import json
import chardetlistStr = [1, 2, 3, 4]
tupleStr = (1, 2, 3, 4)
dictStr = {"city":"北京", "name":"大猫"}print(type(json.dumps(listStr)))
# '[1, 2, 3, 4]'print(type(json.dumps(tupleStr)))
# '[1, 2, 3, 4]'#注意，json.dumps()序列化时默认使用ascii编码
#添加参数 ensure_ascii = False,禁用ascii编码，按utf-8编码
#chardet.detect()返回字典，其中confidence是检测精确度。print(json.dumps(dictStr))
#'{"city":"\\u5317\\u4eac", "name":"\\u5927\\u5218"}'print(chardet.detect(json.dumps(dictStr)))print(json.dumps(dictStr, ensure_ascii=False))print(chardet.detect(json.dumps(dictStr, ensure_ascii=False)))
chardet是一个非常优秀的编码识别模块，可通过pip安装
3. json.dump()
将Python内置类型序列化为json对象后写入文件
#json_dump.pyimport jsonlistStr = [{"city":"北京"}, {"name":"大刘"}]json.dump(listStr, open("listStr.json", "w"), ensure_ascii=False)dictStr = {"city":"北京", "name":"大刘"}
json.dump(dictStr.open("dictStr.json", "w"), ensure_ascii=False)
4.json.load()
读取文件中json形式的字符串元素转化成python类型
#-*- coding:utf-8 -*-import jsonstrList = json.load(open("listStr.json"))
print strList
# [{u'city': u'\u5317\u4eac'}, {u'name': u'\u5927\u5218'}]strDict = json.load(open("dictStr.json"))
print strDict
# {u'city': u'\u5317\u4eac', u'name': u'\u5927\u5218'}
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，提供多种原因实现保本：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 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 |
|---|---|---|
| / | $ | 跟节点 |
| . | @ | 现行节点 |
| / | . or [] | 取子节点 |
| … | n/a | 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 |
| [] | [] | 迭代器标示(可以在里面做简单的迭代操作，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 |
实例：
我们以拉勾网城市JSON文件http://www.lagou.com/lbs/getAllCitySearchLabels.json为例，获取所有城市。
#-*- coding:utf-8 -*-import urllib2
import json
import jsonpath
import chardeturl = "http://www.lagou.com/lbs/getAllCitySearchLabels.json"
request = urllib2.Request(url)response = urllib2.urlopen(request)html = response.read()#把json格式字符串转换成python对象
jsonobj = json.loads(html)#从根节点开始，匹配name节点
citylist = jsonpath.jsonpath(jsonobj, '$..name')print citylist
print(type(citylist))fp = open('city.json', 'w')content = json.dumps(citylist, ensure_ascii=False)
print content
fp.write(content.encode('utf-8'))fp.close()
注意事项：
json.loads()是把Json格式字符串解码转换成Python对象，如果在json.loads的时候出错，要注意被解码的Json字符的编码。
如果传入的字符串的编码不是UTF-8的话，需要制定字符编码的参数:encoding
dataDict = json.loads(jsonStrGBK);
- dataJsonStr是JSON字符串，假设其编码本身是非UTF-8的话而是GBK的，那么上述代码会导致出错，改为对应的。
dataDict = json.loads(jsonStrGBK, encoding="GBK")
- 如果dataJsonStr通过encoding指定了合适的编码，但是其中又包含了其它编码的字符，则需要先去将dataJsonStr转换为Unicode,然后再指定编码格式调用json.loads()
dataJsonStrUni = data.JsonStr.decode("GB2312")
dataDict = json.loads(dataJsontrUni, encoding="GB2312")
字符串编码转换
这是程序员最苦逼的地方，什么乱码之类的几乎都是由汉字引起的。 其实编码问题很好搞定，只要记住一点：
任何平台的任何编码，都能和Unicode互相转换。
UTF-8与GBK互相转换，那就先把UTF-8转换成Unicode，再从Unicode转换成GBK，反之同理。
# 这是一个 UTF-8 编码的字符串
utf8Str = "你好地球"# 1. 将 UTF-8 编码的字符串 转换成 Unicode 编码
unicodeStr = utf8Str.decode("UTF-8")# 2. 再将 Unicode 编码格式字符串 转换成 GBK 编码
gbkData = unicodeStr.encode("GBK")# 1. 再将 GBK 编码格式字符串 转化成 Unicode
unicodeStr = gbkData.decode("gbk")# 2. 再将 Unicode 编码格式字符串转换成 UTF-8
utf8Str = unicodeStr.encode("UTF-8")
decode的作用是将其它编码的字符串转换成Unicode编码 encode的作用是将Unicode编码转换成其他编码的字符串 一句话：**UTF-8**是对Unicode字符集记性编码的一种编码格式
更多Python的学习资料可以扫描下方二维码无偿领取！！！
1）Python所有方向的学习路线（新版）
总结的Python爬虫和数据分析等各个方向应该学习的技术栈。
比如说爬虫这一块，很多人以为学了xpath和PyQuery等几个解析库之后就精通的python爬虫，其实路还有很长，比如说移动端爬虫和JS逆向等等。
（2）Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然达不到大佬的程度，但是精通python是没有问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
（3）100多个练手项目
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。
。
