python?json?jsonl?的用法詳解
JSON
JSON（JavaScript Object Notation）是一種輕量級的數(shù)據(jù)交換格式，廣泛用于在客戶端和服務器之間傳輸數(shù)據(jù)。以下是 Python 中使用 JSON 的一些常見用法：
1. 將 Python 對象轉(zhuǎn)換為 JSON 字符串
使用 json.dumps() 函數(shù)將 Python 對象（如字典、列表等）轉(zhuǎn)換為 JSON 字符串。
import json
# Python 字典
data = {
"name": "Alice",
"age": 30,
"city": "New York",
"skills": ["Python", "Machine Learning"]
}
# 轉(zhuǎn)換為 JSON 字符串
json_str = json.dumps(data)
print(json_str)
輸出示例：
{"name": "Alice", "age": 30, "city": "New York", "skills": ["Python", "Machine Learning"]}
2. 將 JSON 字符串解析為 Python 對象
使用 json.loads() 函數(shù)將 JSON 字符串解析為 Python 對象（如字典、列表等）。
json_str = '{"name": "Alice", "age": 30, "city": "New York", "skills": ["Python", "Machine Learning"]}'
# 將 JSON 字符串解析為 Python 字典
data = json.loads(json_str)
print(data)
輸出示例：
{'name': 'Alice', 'age': 30, 'city': 'New York', 'skills': ['Python', 'Machine Learning']}
3. 將 Python 對象寫入 JSON 文件
使用 json.dump() 函數(shù)將 Python 對象寫入到 JSON 文件中。
import json
data = {
"name": "Alice",
"age": 30,
"city": "New York",
"skills": ["Python", "Machine Learning"]
}
# 將 Python 對象寫入 JSON 文件
with open('data.json', 'w') as json_file:
json.dump(data, json_file)
4. 從 JSON 文件讀取數(shù)據(jù)
使用 json.load() 函數(shù)從 JSON 文件中讀取數(shù)據(jù)并解析為 Python 對象。
import json
# 從 JSON 文件讀取數(shù)據(jù)
with open('data.json', 'r') as json_file:
data = json.load(json_file)
print(data)
輸出示例：
{'name': 'Alice', 'age': 30, 'city': 'New York', 'skills': ['Python', 'Machine Learning']}
5. 自定義 JSON 編碼
如果你有自定義的類對象并想要將其轉(zhuǎn)換為 JSON，可以通過實現(xiàn)自定義的編碼器：
import json
class Employee:
def __init__(self, name, age, position):
self.name = name
self.age = age
self.position = position
# 自定義的 JSON 編碼器
def encode_employee(obj):
if isinstance(obj, Employee):
return {'name': obj.name, 'age': obj.age, 'position': obj.position}
raise TypeError(f"Object of type {obj.__class__.__name__} is not JSON serializable")
# 創(chuàng)建 Employee 對象
employee = Employee("John", 28, "Software Engineer")
# 使用自定義編碼器將對象轉(zhuǎn)換為 JSON 字符串
json_str = json.dumps(employee, default=encode_employee)
print(json_str)
輸出示例：
{"name": "John", "age": 28, "position": "Software Engineer"}
6. 格式化 JSON 輸出
使用 json.dumps() 時，可以通過 indent 參數(shù)生成格式化的 JSON 字符串，便于閱讀。
import json
data = {
"name": "Alice",
"age": 30,
"city": "New York",
"skills": ["Python", "Machine Learning"]
}
# 生成格式化的 JSON 字符串
json_str = json.dumps(data, indent=4)
print(json_str)
輸出示例：
{
"name": "Alice",
"age": 30,
"city": "New York",
"skills": [
"Python",
"Machine Learning"
]
}
7. 處理復雜對象
如果需要序列化更復雜的對象，可以通過自定義 JSONEncoder 類來處理。
import json
class Employee:
def __init__(self, name, age, position):
self.name = name
self.age = age
self.position = position
class EmployeeEncoder(json.JSONEncoder):
def default(self, obj):
if isinstance(obj, Employee):
return {'name': obj.name, 'age': obj.age, 'position': obj.position}
return super().default(obj)
employee = Employee("John", 28, "Software Engineer")
# 使用自定義的編碼器將對象轉(zhuǎn)換為 JSON 字符串
json_str = json.dumps(employee, cls=EmployeeEncoder)
print(json_str)
輸出示例：
{"name": "John", "age": 28, "position": "Software Engineer"}
JSONL
JSONL（JSON Lines）是一種簡單的文件格式，專門用于存儲多個JSON對象，每個對象占用一行。JSONL文件的擴展名通常為 .jsonl 或 .ndjson（Newline Delimited JSON）。這種格式在處理大量結(jié)構(gòu)化數(shù)據(jù)時非常有效，因為它允許逐行讀取和處理數(shù)據(jù)。
下面是JSONL的常見用法示例，包括如何在Python中讀取和寫入JSONL格式的數(shù)據(jù)。
1. JSONL 文件的結(jié)構(gòu)
一個JSONL文件可能看起來如下：
{"name": "Alice", "age": 30, "city": "New York"}
{"name": "Bob", "age": 25, "city": "Los Angeles"}
{"name": "Charlie", "age": 35, "city": "Chicago"}
每一行都是一個有效的JSON對象，行與行之間用換行符 \n 分隔。
2. 讀取 JSONL 文件
使用Python讀取JSONL文件時，可以逐行處理文件中的JSON對象：
import json
# 讀取 JSONL 文件
with open('data.jsonl', 'r') as jsonl_file:
for line in jsonl_file:
# 解析每一行的 JSON 對象
data = json.loads(line)
print(data)
輸出示例：
{'name': 'Alice', 'age': 30, 'city': 'New York'}
{'name': 'Bob', 'age': 25, 'city': 'Los Angeles'}
{'name': 'Charlie', 'age': 35, 'city': 'Chicago'}
3. 寫入 JSONL 文件
寫入JSONL文件時，可以逐行將多個JSON對象寫入文件，每個對象占用一行：
import json
# 準備要寫入的多個 JSON 對象
data_list = [
{"name": "Alice", "age": 30, "city": "New York"},
{"name": "Bob", "age": 25, "city": "Los Angeles"},
{"name": "Charlie", "age": 35, "city": "Chicago"}
]
# 寫入 JSONL 文件
with open('data.jsonl', 'w') as jsonl_file:
for data in data_list:
jsonl_file.write(json.dumps(data) + '\n')
4. 追加寫入 JSONL 文件
如果需要追加數(shù)據(jù)到已有的JSONL文件中，可以使用追加模式 'a'：
import json
# 要追加寫入的 JSON 對象
new_data = {"name": "Diana", "age": 28, "city": "Houston"}
# 追加寫入 JSONL 文件
with open('data.jsonl', 'a') as jsonl_file:
jsonl_file.write(json.dumps(new_data) + '\n')
5. 處理大數(shù)據(jù)集
由于JSONL格式允許逐行讀取和處理數(shù)據(jù)，特別適合用于處理大數(shù)據(jù)集。比如當數(shù)據(jù)量較大時，可以用下面的方式逐行讀取并處理，而不需要將整個文件一次性加載到內(nèi)存中：
import json
# 逐行處理大數(shù)據(jù)集
with open('large_data.jsonl', 'r') as jsonl_file:
for line in jsonl_file:
data = json.loads(line)
# 對每一行的數(shù)據(jù)進行處理
process_data(data)
6. 與Pandas集成
如果你需要將JSONL文件的數(shù)據(jù)加載到Pandas DataFrame中，Pandas的 read_json 方法也支持讀取JSONL格式的數(shù)據(jù)：
import pandas as pd
# 使用 Pandas 讀取 JSONL 文件
df = pd.read_json('data.jsonl', lines=True)
print(df)
輸出示例：
name age city
0 Alice 30 New York
1 Bob 25 Los Angeles
2 Charlie 35 Chicago
總結(jié)
JSONL格式是一種非常實用的數(shù)據(jù)存儲格式，特別適合處理大型、結(jié)構(gòu)化的數(shù)據(jù)集。使用它的主要優(yōu)點包括：
- 逐行讀?。河行幚泶笪募?，節(jié)省內(nèi)存。
- 簡便性：每一行都是獨立的JSON對象，便于解析和處理。
- 靈活性：可以很容易地將數(shù)據(jù)追加到已有文件中。
通過上述方法，您可以輕松地在Python中讀取、寫入和處理JSONL格式的數(shù)據(jù)。
到此這篇關(guān)于python json jsonl 的用法詳解的文章就介紹到這了,更多相關(guān)python json jsonl 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了Python實現(xiàn)端口復用實例代碼,需要的朋友可以參考下2014-07-07
這篇文章主要介紹了Pycharm中的下載安裝、配置與測試方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-12-12
最近在整理我磁盤上的照片，發(fā)現(xiàn)不少貓照，突然覺得若能把這些貓照都挑出來，觀察它們的成長軌跡也是一件不錯的事情。一張一張的找實在是太費勁了，能不能自動化地找出來呢？本文將詳細為大家講講，需要的可以參考一下2022-05-05
這篇文章主要為大家詳細介紹了如何使用Python制作一個批量查詢搜索排名工具，并且不需要花費任何費用，裝上python開發(fā)環(huán)境即可，需要的可以參考一下2023-06-06
pytorch 實現(xiàn)在預訓練模型的 input上增減通道
今天小編就為大家分享一篇pytorch 實現(xiàn)在預訓練模型的 input上增減通道，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-01-01
線性關(guān)系是一種非常簡單的變量之間的關(guān)系,因變量和自變量在線性關(guān)系的情況下,可以使用線性回歸算法對一個或多個因變量和自變量間的線性關(guān)系進行建模,本文主要介紹了如何利用Pytorch實現(xiàn)線性模型,需要的朋友可以參考下2024-01-01
Python?enumerate()計數(shù)器簡化循環(huán)
這篇文章主要介紹了Python?enumerate()計數(shù)器簡化循環(huán)，enumerate()最大的優(yōu)點就是它返回一個帶有計數(shù)器和值的元組，因此我們不必自己增加計數(shù)器，下面就來看看文章具體對它的詳細介紹吧,需要的朋友可以參考一下2021-12-12
這篇文章給大家分享了python高階爬蟲實戰(zhàn)的相關(guān)實例內(nèi)容以及技巧分析，有興趣的朋友參考下。2018-07-07
Python結(jié)合PyQt5實現(xiàn)MD(Markdown)轉(zhuǎn)DOCX工具
這篇文章主要為大家詳細介紹了Python如何結(jié)合PyQt5實現(xiàn)一個MD(Markdown)轉(zhuǎn)DOCX工具,文中的示例代碼講解詳細,感興趣的小伙伴可以了解下2025-07-07
Python深度學習pytorch神經(jīng)網(wǎng)絡匯聚層理解
通常當我們處理圖像時，我們希望逐漸降低隱藏表示的空間分辨率，聚集信息，這樣隨著我們在神經(jīng)網(wǎng)絡層疊的上升，每個神經(jīng)元對其敏感的感受野（輸入）就越大2021-10-10