快速入门网络爬虫系列 Chapter09 | JSON数据处理

网友投稿 501 2022-05-30

Chapter09 | JSON数据处理

一、JSON

1、获取JSON响应

2、解析JSON

2.1、解码JSON的功能

2.2、从dict中还原为JSON对象

二、API

1、第一种

2、第二种

3、代码实现

4、测试

一、JSON

JSON是指JavaScript对象表示法(JavaScript Object Notation):

独立于语言和平台

与XML类似,存储和交换文本信息

与XML语言更快、更易解析

JSON的主要表达形式:

单个JSON对象,书写格式为{string:value,string:value}

1、获取JSON响应

通过网络库requests,网络爬虫获取响应,并使用JSON格式展示数据

import requests import urllib url = 'http://httpbin.org/get' response = requests.get(url,timeout = 5) print(response.text)

1

2

3

4

5

6

2、解析JSON

2.1、解码JSON的功能

Python的json库可以提供编码,解码JSON的功能

json库的主要函数有:

json.loads():JSON字符串转换成Python

json.load():文件中JSON字符串转换为Python

json.dumps():Python对象序列化为JSON对象

快速入门网络爬虫系列 Chapter09 | JSON数据处理

json.dump():Python对象序列化为JSON对象,并写入文件

把网络爬虫获取的响应转换成Python对象:

import json json_data = json.loads(response.text) print(type(json_data)) print(json_data)

1

2

3

4

import requests from bs4 import BeautifulSoup as bs s=requests.session() s.headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:73.0) Gecko/20100101 Firefox/73.0'} page=s.get('https://api.github.com/events') data = page.json() print(type(data)) print(type(data[0])) print(data[0])

1

2

3

4

5

6

7

8

9

2.2、从dict中还原为JSON对象

Json库还可以从dict中还原为JSON对象,在Python中为字符串类型

back_json = json.dumps(json_data) print(type(back_json)) print(back_json)

1

2

3

二、API

应用编程接口(Application Programming Interface,API)

API不同的应用提供方便友好的接口

开发者用不同的语言结构编写程序,通过API获取数据,实现不同程序间的信息共享

API在网络爬虫中的使用场景:

API并不随处可见,但可以请求接收请求,并向客户端返回响应的信息

与网站不同的是,API必须:

拥有严谨的语言规则,标准的规范来产生数据

使用XML或者JSON格式来展示数据,而不是HTML表示

下面以新浪微博为例:

由上图我们可以看到数据,但是这些数据不是我们想要看到的,这是因为我们并没有转码。

下面我们通过两种方式打开来验证下内容:

1、第一种

直接点击get

结果如下:

2、第二种

复制Request URL的链接打开

结果如下:

经过对比,我们发现结果是一样的。

3、代码实现

下面在代码实现下:

import requests from bs4 import BeautifulSoup as bs s=requests.session() s.headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:73.0) Gecko/20100101 Firefox/73.0'} page=s.get('https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8&callback=feedCardJsonpCallback&_=1585719783848') print(page.content)

1

2

3

4

5

6

上述代码遍获取到了所需要解析的文件,下面就需要进行解析了:

import requests import json from bs4 import BeautifulSoup as bs s=requests.session() s.headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:73.0) Gecko/20100101 Firefox/73.0'} page=s.get('https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8') print((json.loads(page.content.decode("utf-8"))))

1

2

3

4

5

6

7

这样就转换成dict类型的数据,供我们提取

4、测试

取出网址:

import requests import json from bs4 import BeautifulSoup as bs s=requests.session() s.headers = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:73.0) Gecko/20100101 Firefox/73.0'} page=s.get('https://feed.sina.com.cn/api/roll/get?pageid=121&lid=1356&num=20&versionNumber=1.2.4&page=2&encode=utf-8') news = json.loads(page.content.decode("utf-8")).get('result').get("data") for new in news: print(new.get("url"))

1

2

3

4

5

6

7

8

9

JSON 网络

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:Java基础之修饰符
下一篇:OOP面向对象关系剖析
相关文章