当前位置: 首页 > news >正文

Python - DIY - 使用dump取json某些键值对合成新的json文件

c++

Python - Json处理

  • 前言:
  • 应用场景:
  • 基本工具:
    • 文件操作:
      • 打开文件:
      • 写文件:
      • 读文件:
      • 关闭文件并刷新缓冲区:
    • Json字符串和字典转换:
      • json.loads():
      • json.dumps():
    • Json文件和字典转化:
      • json.load():
      • json.dump():
    • 集成上述API为函数:
    • 自己开发一个json.dump:
  • 扩展:

前言:

Vue框架:从项目学Vue
OJ算法系列:神机百炼 - 算法详解
Linux操作系统:风后奇门 - linux
C++11:通天箓 - C++11

应用场景:

读取一个json文件,利用其中某些键值对来构建一个新的json文件
  • 如获取下列json文件中某几行的键值对,再构建一个json文件
{"packs": [{"_id": "1","time": 123,"category": 0,"current_info": {"tag": ["timestamp"],"fps": 60.0,"time_stamp": 414.514,"name": "test"},"content": {"core": "service","status": 0,"extraction": "client"}}]
}

基本工具:

文件操作:

打开文件:

  • open(‘文件路径’, ‘打开方式’):
    1. w:覆盖写
    2. r:只读
    3. wb:二进制写
    4. rb:二进制读

写文件:

  • write(字符串):
    字符串中转义字符:
    1. \r:切换到当前行的行首列
    2. \n:切换到下一行的同一列
file = open('Json文件地址', 'w')
lines = ''
for line in file:#line自动省略\r\nlines += line

读文件:

  • open()返回一个可迭代对象:
file = open('Json文件地址', 'r')
lines = ''
for line in file:#line自动省略\r\nlines += line

关闭文件并刷新缓冲区:

  • close:
file.close()
  • close()后会自动刷新缓冲区,但有时你需要在关闭前刷新它,这时就可以使用 flush() 方法:
file.flush()

Json字符串和字典转换:

json.loads():

  • 用于将 字符串 加载为 字典
file = open('Json文件地址', 'r')
lines = ''
for line in file:lines += line
dic = json.loads(lines)
print(dic)

json.dumps():

  • 用于将 字典 写入到 字符串
dic = {'packs': [{'_id': '1', 'time': 123, 'category': 0, 'current_info': {'tag': ['timestamp'], 'fps': 60.0, 'time_stamp': 414.514, 'name': 'test'}, 'content': {'core': 'service', 'status': 0, 'extraction': 'client'}}]}json_str = json.dumps(dic)print(json_str)

Json文件和字典转化:

json.load():

  • 用于将文件 加载为 字典
dictionary = json.load(open('原本的Json文件地址', 'r'))
print(dictionary)

json.dump():

  • 用于将字典 写入到 文件,创建文件使用w模式打开
json.dump(ret, open("新的Json文件地址","w"))

集成上述API为函数:

def func(dictionary,*direct_key, **indirect_key):ret = {}for i in direct_key:ret[i] = dictionary[i]for i in indirect_key:ret[i] = {}print(type(ret), type(ret[i]), i)for j in indirect_key[i]:print(j)ret[i][j] = dictionary[i][j]return retret = func(json.load('原来的Json文件地址'), '_id', 'end_time', 'frames', ext=['core_cm', 'extraction_cm'], statistics=['parsing_begin', 'parsing_end'])json.dump(ret, open("新的Json文件地址","w"))

自己开发一个json.dump:

  • 简化版,只能接收json最多二重字典,且最终value为str, int, 或float
import os
import json
def isIntOrFloatSeriously(number):result = Falsetry:n = float(number)if str(number).count('.') != 0 or (n.is_integer() and str(number).count('.') == 0):result = Trueexcept:result = Falsereturn resultdef func(dictionary,*direct_key, **indirect_key):amount = len(direct_key) + len(indirect_key)count = 1ret = ''for i in direct_key:ret += f"\"{i}\": "if isIntOrFloatSeriously(dictionary[i]) == True :ret += str(dictionary[i])else:ret += "\""+dictionary[i]+"\""if count < amount:ret += ","ret += "\r\n"count = count + 1for i in indirect_key:ret += f"\"{i}\": "+'{\r\n'inner_count = 1inner_amount = len(indirect_key[i])print(inner_amount, indirect_key[i])for j in indirect_key[i]:ret += f"\"{j}\": "if isIntOrFloatSeriously(dictionary[i][j]) == True :ret += str(dictionary[i][j])else:ret += "\""+dictionary[i][j]+"\""if inner_count < inner_amount:ret += ","ret += "\r\n"inner_count = inner_count + 1ret += "}"if count < amount:ret += ","ret += "\r\n"count = count + 1return retfile = open('原本的Json文件地址')
lines = ''
for line in file:lines += line
dic = json.loads(lines)ret = func(dic["packs"][0], '_id', 'end_time', 'frames', ext=['core_cm', 'extraction_cm'], statistics=['parsing_begin', 'parsing_end'])file = open('新建的Json文件地址', 'w')
file.write('{\r\n')
file.write(ret)
file.write('}\r\n')
file.close()

扩展:

  • Yaml文件格式
  • Yaml文件 转化为 字典
    1. yaml.safe_load():不省略float的.0
    2. yaml.load():省略float的.0
http://www.lryc.cn/news/23588.html

相关文章:

  • 深度剖析指针(中)——“C”
  • 论文阅读 | Video Frame Synthesis using Deep Voxel Flow
  • 我所理解的生活
  • debian 部署nginx https
  • SQL 层功能改进 - lookupJoin 的优化
  • 动态规划:鸣人的影分身
  • 如何为三星active2手表安装自己DIY的表盘
  • Android 项目必备(四十二)-->Android 多窗口模式
  • OpenHarmony的未来和如何做好一个开源社区
  • 二叉搜索树实现
  • 解决Spring Data Jpa 实体类自动创建数据库表失败问题
  • Elasticsearch:创建一个简单的 “你的意思是?” 推荐搜索
  • urllib之ProxyHandler代理以及CookieJar的cookie内存传递和本地保存与读取的使用详解
  • 华为造车锚定智选模式, 起点赢家赛力斯驶入新能源主航道
  • [oeasy]python0096_游戏娱乐行业_雅达利_米洛华_四人赛马_影视结合游戏
  • 使用python测试框架完成自动化测试并生成报告-实例练习
  • JavaWeb 实战 01 - 计算机是如何工作的
  • 线性代数学习-1
  • 人工智能写的十段代码,九个通过测试了
  • 巴塞尔问题数值逼近方法
  • 【深度学习环境】Docker
  • 基于vscode开发vue项目的详细步骤教程 2 第三方图标库FontAwesome
  • 今天面了个腾讯拿25K出来的软件测试工程师,让我见识到了真正的天花板...
  • OSG三维渲染引擎编程学习之六十九:“第六章:OSG场景工作机制” 之 “6.9 OSG数据变量”
  • Tektronix泰克TDP3500差分探头3.5GHz
  • 轻松实现内网穿透:实现远程访问你的私人网络
  • MySQL长字符截断
  • python计算量比指标
  • 下拉框推荐-Suggest-SUG
  • Nmap的几种扫描方式以及相应的命令