在 Python 中加载 JSON 文件 – 如何读取和解析 JSON
ztj100 2025-01-12 20:23 21 浏览 0 评论
什么是 JSON?
JSON是JavaScript Object Notation的缩写。这是一种用于在名称-值对中存储数据的简单语法。值可以是不同的数据类型,只要它们是有效的。JSON 的不可接受类型包括函数、日期和 。undefined
JSON 文件与具有有效 JSON 结构的扩展名一起存储。.json
以下是 JSON 文件的结构:
{
"name": "John",
"age": 50,
"is_married": false,
"profession": null,
"hobbies": ["traveling", "photography"]
}
您通常会使用 JSON 从 Web 应用程序中的服务器发送和接收数据。
收到数据后,程序读取并解析 JSON 以提取特定数据。不同的语言有自己的方法来做到这一点。我们将在这里看看如何在Python中做到这些。
如何读取 JSON 文件
假设上面代码块中的 JSON 存储在一个文件中。使用Python中的内置函数,我们可以读取该文件并将内容分配给变量。操作方法如下:user.jsonopen()
with open('user.json') as user_file:
file_contents = user_file.read()
print(file_contents)
# {
# "name": "John",
# "age": 50,
# "is_married": false,
# "profession": null,
# "hobbies": ["travelling", "photography"]
# }
将文件路径传递给打开文件并将流数据从文件分配给变量的方法。使用该方法,可以将文件的文本内容传递给变量。openuser_filereadfile_contents
我在表达式的开头使用了,以便在读取文件的内容后,Python可以关闭文件。with
file_contents现在包含 JSON 的字符串化版本。下一步,现在可以解析 JSON。
如何解析 JSON
Python具有用于各种操作的内置模块。为了管理JSON文件,Python具有模块。json
此模块附带了许多方法。其中之一是解析JSON字符串的方法。然后,您可以将解析的数据分配给如下所示的变量:loads()
import json
with open('user.json') as user_file:
file_contents = user_file.read()
print(file_contents)
parsed_json = json.loads(file_contents)
# {
# 'name': 'John',
# 'age': 50,
# 'is_married': False,
# 'profession': None,
# 'hobbies': ['travelling', 'photography']
# }
使用该方法,您可以看到该变量现在具有有效的字典。从此字典中,您可以访问其中的键和值。loads()parsed_json
另请注意如何从JSON转换为python。这是因为 在 中无效。nullNonenullPython
如何使用读取和解析 JSON 文件json.load()
该模块还具有可用于读取文件对象并同时解析它的方法。使用此方法,您可以将前面的代码更新为:jsonload
import json
with open('user.json') as user_file:
parsed_json = json.load(user_file)
print(parsed_json)
# {
# 'name': 'John',
# 'age': 50,
# 'is_married': False,
# 'profession': None,
# 'hobbies': ['travelling', 'photography']
# }
您可以直接使用读取和分析文件对象的方法,而不是使用文件对象的方法并使用模块的方法。
相关推荐
- 其实TensorFlow真的很水无非就这30篇熬夜练
-
好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...
- 交叉验证和超参数调整:如何优化你的机器学习模型
-
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...
- 机器学习交叉验证全指南:原理、类型与实战技巧
-
机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...
- 深度学习中的类别激活热图可视化
-
作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...
- 超强,必会的机器学习评估指标
-
大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...
- 机器学习入门教程-第六课:监督学习与非监督学习
-
1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...
- Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置
-
你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 自回归滞后模型进行多变量时间序列预测
-
下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...
- 苹果AI策略:慢哲学——科技行业的“长期主义”试金石
-
苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...
- 时间序列预测全攻略,6大模型代码实操
-
如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)