Python 标准库之 JSON

JSON

首先我们参考《维基百科》中的相关内容，来对 JSON 做如下介绍：

JSON ( JavaScript Object Notation ) 是一种由道格拉斯构想设计、轻量级的数据交换语言，以文字为基础，且易于让人阅读。尽管 JSON 是 JavaScript 的一个子集，但 JSON 是独立于语言的文本格式，并且采用了类似 C 语言家族的一些习惯。

关于 JSON 更为详细的内容，可以参考其官方网站，在这我截取部分内容，让大家更好的了解一下 JSON 的结构。

JSON 构建于两种结构基础之上：

“名称/值”对的集合。不同的语言中，它被理解为对象（object），记录（record），结构（struct），字典（dictionary），哈希表（hash table）等。

值的有序列表。在某些语言中，它被理解为数组（array），类似于 Python 中的类表。

Python 标准库中有 JSON 模块，主要是执行序列化和反序列化功能。

序列化：encoding，把一个 Python 对象编码转化成 JSON 字符串；

反序列化：decoding，把 JSON 格式字符串解码转换为 Python 数据对象。

基本操作

JSON 模块相比于 XML 来说真的是简单多了：

1.encoding：dumps()

encoding 的操作比较简单，请仔细观察一下上面代码中 data 和 data_json 的不同：like 的值从元组变成了列表，其实还有不同，请看下面：

2.decoding：loads()

decoding 的过程其实也像上面那么简单：

上面需要注意的是，解码之后并没有将值中的列表还原为数组。上面的 data 都不是很长，还能凑活着看，如何很长，阅读其实就很有难度了。所以 JSON 的 dumps() 提供了可选的参数，利用它们能在输入上对人更好，当然这个对机器来说都是无所谓的事情。

sort_keys = True 的意思是按照键的字典顺序排序；indent = 2 则是让每个键值对显示的时候，以缩进两个字符对齐，这样的视觉效果就好多了。

大 JSON 字符串

其实如果数据不是很大的话，上面的那些基本操作就足够了。但现在不是都讲究什么都是「大数据」嘛，很多人都在吹嘘自己是大数据，显然不能让 JSON 总是很小。

事实上对于真正的大数据，再大的 JSON 也不够，前面的操作方法是将数据都读入内存，如果数据太大的话就会溢出。那么这个时候该怎么办呢？别怕，我们是 Python 啊，早都想到了，Python 中提供了一个 tempfile 的模块解决此类问题。这里需要注意的是，跟上面已经用过的函数相比是不同的，请仔细观察。

差不多 JSON 就是这些内容了，是不是比起 XML 真的少了很多，也简单了很多？但是简单归简单，内容还是不能小觑的，上面的代码例子什么的，该看看，该在交互模式自己敲一敲就敲一敲，切勿眼高手低。

干货分享