Sprievodca programátora k dátam v jazyku Python a JSON

Domov » Pytón » Sprievodca programátora k dátam v jazyku Python a JSON

JSON sa potichu stal predvoleným jazykom pre dáta na webe, a ak píšete v Pythone, narazíte naň všade: API, konfiguračné súbory, malé „databázy“ pre vedľajšie projekty, protokoly a dokonca aj testovacie prípravky. Pochopenie toho, ako sa dátové typy Pythonu mapujú na JSON a ako... json Modul, ktorý naozaj funguje, je jednou z tých zručností, ktoré zrazu zjednodušujú veľa každodenných úloh.

Táto príručka vás prevedie jazykom JSON z pohľadu programátora v jazyku Python. vysvetlenie, čo je JSON, ako súvisí s JavaScriptom, ktoré typy Pythonu dokáže reprezentovať a ako parsovať, generovať, prepracovať, overovať a prispôsobovať JSON pomocou jsonPozrieme sa aj na prípady použitia z reálneho sveta, ako je práca so súbormi a API, plus triky na spracovanie vnorených údajov a okrajové prípady, ako sú chyby alebo špeciálne hodnoty, ako napríklad NaN a nekonečná.

Čo je JSON a ako súvisí s dátami v jazyku Python

JSON, skratka pre JavaScript Object Notation, je textový formát pre štruktúrované dáta. ktorý si pôvodne požičal syntax z objektov a polí JavaScriptu. Napriek koreňom JavaScriptu je JSON jazykovo agnostický a je podporovaný prakticky každým moderným jazykom vrátane Pythonu, vďaka čomu je ideálny na výmenu údajov medzi službami, klientmi a servermi.

Koncepčne JSON používa iba dva zložené stavebné bloky: JavaScript objekt a JavaScript radObjekt sa správa veľmi podobne ako slovník Pythonu a pole sa správa ako zoznam Pythonu. S týmito dvoma a malou sadou primitívnych typov dokáže JSON opísať zložité vnorené dátové štruktúry.

Objekt v JavaScripte (a JSON) vyzerá takto: {"key1": value1, "key2": value2}Je to kolekcia párov kľúč-hodnota, kde kľúče sú reťazce a hodnoty môžu byť ľubovoľné platné hodnoty JSON (vrátane iných objektov alebo polí). Toto veľmi zodpovedá Python... dict.

Pole v JavaScripte (a JSON) je podobné zoznamu v Pythone: Ide o usporiadanú kolekciu hodnôt, opäť s použitím ľubovoľného platného typu JSON. Objekty a polia je možné ľubovoľne vnoriť a modelovať tak bohaté dáta, ako sú používateľské profily, konfiguračné stromy alebo odpovede API.

Mapovanie medzi typmi JSON a typmi Pythonu je veľmi jednoduché, preto niekedy počujete ľudí žartovne nazývať „PYON“ (Python Object Notation). Pri kódovaní alebo dekódovaní JSON v Pythone platia nasledujúce korešpondencie:

• Objekt JSON → Pytón dict
• JSON pole → Pytón list
• Reťazec JSON → Pytón str
• Číslo JSON (celé číslo) → Pytón int
• Číslo JSON (skutočné) → Pytón float
• JSON true → Pytón True
• JSON false → Pytón False
• JSON null → Pytón None

Jedným dôležitým obmedzením je, že kľúče objektov JSON sú vždy reťazce, takže ak kódujete Python dict s kľúčmi, ktoré nie sú reťazcami (napr. celé čísla alebo n-tice), budú tieto kľúče prevedené na reťazce alebo vyvolajú chyby v závislosti od vašich nastavení. JSON je skvelý na uchovávanie štruktúrovaných údajov, ako sú konfigurácie alebo záznamy, ale je... nie všeobecný mechanizmus nakladania pre ľubovoľné objekty Pythonu.

Vstavaný modul JSON v Pythone

Python sa dodáva so štandardným knižničným modulom s názvom json, čo vám poskytuje všetko, čo potrebujete na prácu s JSON: parsovanie reťazcov, načítavanie zo súborov, serializáciu objektov Pythonu a prispôsobenie spôsobu kódovania a dekódovania údajov. Pre typické úlohy JSON nepotrebujete žiadnu externú závislosť.

Štyri základné funkcie, ktoré budete používať väčšinu času, sú: json.dumps() a json.dump() na konverziu objektov Pythonu do formátu JSON a json.loads() a json.load() pre prechod z JSON späť na typy Pythonu. Verzie „s“ pracujú s reťazcami, zatiaľ čo verzie bez „s“ pracujú s objektmi podobnými súborom.

json Enkodér štandardne podporuje špecifickú sadu typov Pythonu, a to dict, list, tuple (ako polia), str, čísla (int, floata enum odvodené z celočíselných/čiastočných čísel) a tri špeciálne singletony True, Falsea NoneTieto sa prevedú na ich ekvivalenty JSON podľa mapovania opísaného vyššie.

Ak potrebujete serializovať vlastné objekty alebo dátové typy, Návrh modulu je rozšíriteľný: môžete vytvoriť podtriedu JSON kodéra a implementovať default() metódu alebo odovzdať vlastnú default funkciu do json.dump() / json.dumps()Tento vlastný hook by mal vrátiť niečo serializovateľné v JSON (ako napríklad dict or list), alebo zvýšiť TypeError ak nevie, ako s daným objektom zaobchádzať.

Pod kapotou modul ponúka aj metódy ako napríklad encode() a iterencode(), ktoré konvertujú dáta Pythonu na reťazce JSON, s iterencode() s postupným získavaním kódovaných častí. Tieto sa menej často používajú priamo, ale stojí za to vedieť o nich, ak potrebujete streamovať veľmi rozsiahle JSON odpovede.

Konverzia objektov Pythonu do formátu JSON

Keď chcete previesť dáta Pythonu do textu JSON, použijete json.dump() or json.dumps(), v závislosti od toho, či chcete zapisovať priamo do súboru alebo získať reťazec JSON v pamäti. Obe funkcie zdieľajú rovnaké základné parametre, ktoré vám umožňujú ovládať správanie konverzie.

Funkcie json.dump(obj, fp, ...) prijíma objekt Pythonu a objekt podobný súboru, a zapíše JSON reprezentáciu obj do tohto súboru. Jeho náprotivok v pamäti, json.dumps(obj, ...), vráti reťazec JSON namiesto zápisu do súboru. Oba akceptujú sériu kľúčových argumentov, ako napríklad skipkeys, ensure_ascii, check_circular, allow_nan, indent, separators, defaulta sort_keys.

Každá z týchto možností upravuje správanie kódovania spôsobmi, ktoré sú v reálnych projektoch veľmi dôležité: Môžete si vybrať, či chcete preskočiť neplatné kľúče, vynútiť výstup ASCII, zobraziť výsledok v peknom formáte, kontrolovať medzery, definovať vlastnú serializáciu pre neštandardné objekty alebo stabilizovať poradie kľúčov pre testovanie a porovnávanie.

Tu je význam hlavných parametrov v praxi:

• skipkeys: ak je nastavené na True, kľúče slovníka, ktoré nie sú typu str, int, float, bool or None sa ticho preskočia namiesto vyvolania TypeErrorAk uprednostňujete rýchle správanie pri nezvyčajných klávesoch, ponechajte to tak. False.
• ensure_ascii: kedy True (predvolené), znaky, ktoré nie sú ASCII a netlačiteľné znaky, sú escapované (napr. ako \uXXXX), takže výstup zostane čistý ASCII. Keď FalseZnaky Unicode sa zapisujú tak, ako sú, čo je zvyčajne lepšie pre ľudsky čitateľné konfigurácie alebo protokoly.
• check_circular: if True, kodér kontroluje cyklické odkazy v zoznamoch, slovníkoch a vlastných kódovaných objektoch, aby sa zabránilo nekonečnej rekurzii. Nastavením na False znefunkční túto bezpečnostnú sieť a môže viesť k RecursionError ak sú vaše štruktúry samoreferenčné.
• allow_nan: if True, špeciálne hodnoty s pohyblivou desatinnou čiarkou, ako napríklad NaN, Infinitya -Infinity sú povolené a kódované spôsobom kompatibilným s JavaScriptom, aj keď podľa špecifikácie nie sú striktne platným JSON. Ak False, pokus o kódovanie takýchto hodnôt zvýši ValueError.
• indent: nezáporné celé číslo (alebo reťazec), ktoré riadi pekný výpis. Kladné číslo znamená, že počet medzier na vnorenú úroveň. Reťazec (ako "\t") sa používa priamo na odsadenie. None (predvolená hodnota) vyberie najkompaktnejšiu reprezentáciu bez dodatočných nových riadkov nad rámec požadovaných hodnôt.
• separators: tuple (item_separator, key_separator) ovládanie interpunkcie a medzier medzi položkami a medzi kľúčmi a hodnotami. Pre najtesnejší JSON sa zvyčajne používa (",", ":") odstrániť všetky voliteľné medzery.
• default: funkcia, ktorá prijíma akýkoľvek objekt, s ktorým kodér nevie, ako ho spracovať. Musí vrátiť serializovateľnú náhradu JSON (napríklad dict or list), alebo zvýšiť TypeErrorToto je hlavný háčik na vytvorenie serializovateľných vlastných tried.
• sort_keys: if True, slovníky sú kódované s triedenými kľúčmi. Toto je mimoriadne užitočné pre regresné testy a reprodukovateľné výstupy, kde chcete, aby boli výpisy JSON stabilné naprieč jednotlivými spusteniami.

Ako konkrétnu ilustráciu si predstavte, že máte zmiešaný zoznam v jazyku Python obsahujúci celé čísla a slovník s názvom, ID a hodnotou s pohyblivou desatinnou čiarkou. JSON by ste mohli vytvoriť a uložiť takto:

import pathlib
import json

path = pathlib.Path("myTextFile.json")
data =

with path.open(mode="wt") as f:
    json.dump(data, f)

print(json.dumps(data, indent=4))

Vytlačený JSON bude pekne naformátovaný vďaka indent=4, zobrazenie každej položky zoznamu a kľúča slovníka na samostatnom riadku. Vďaka tomu je ladenie a manuálna úprava oveľa jednoduchšia v porovnaní s jedným hustým riadkom textu.

Parsovanie JSON späť do Pythonu

Ak chcete prejsť z textu JSON späť na objekty Pythonu, použijete zodpovedajúci pár funkcií: json.load() (pre objekty podobné súborom) a json.loads() (pre reťazce JSON). Tieto funkcie analyzujú vstup a znovu vytvoria typy Pythonu podľa rovnakej mapovacej tabuľky ako predtým.

Podpisy vyzerajú približne takto: json.load(fp, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, kw) a json.loads(s, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, kw)Na základnej úrovni ich môžete volať iba so vstupom JSON, ale dodatočné argumenty otvárajú dvere pokročilejšiemu správaniu pri parsovaní.

Háčiky ako object_hook a object_pairs_hook umožňujú prispôsobiť spôsob, akým sa objekty JSON premieňajú na štruktúry Pythonu, tým, že vám poskytneme buď dekódovaný dict alebo zoznam (key, value) páry. Toto je užitočné, ak chcete vytvárať vlastné triedy priamo z JSON alebo zachovať poradie určitým spôsobom.

Ďalšie volateľné funkcie, ako napr. parse_float, parse_inta parse_constant umožňujú vám ovládať, ako sa interpretujú čísla a špeciálne tokeny. Môžete napríklad použiť Decimal MIESTO float pre peňažné hodnoty alebo transformáciu "NaN", "inf"a "-inf" do strážnych objektov podľa vášho výberu.

V pokračovaní predchádzajúceho príkladu si môžete napísaný súbor JSON prečítať takto:

with path.open(mode="rt") as f:
    data = json.load(f)
print(data)

Výsledným výstupom bude bežný zoznam a slovník v jazyku Python, napríklad , s ktorými môžete manipulovať všetkými bežnými operáciami Pythonu. Z pohľadu vášho kódu sú to opäť „len dáta“.

Aké typy dokáže Python previesť na JSON

Nie každý objekt Pythonu sa dá ihneď po vybalení previesť do formátu JSON, preto je užitočné zapamätať si povolenú množinu. Praktické enkodéry podporujú bežné kontajnerové a skalárne typy, plus boolovské hodnoty a Nonea namapovať ich na minimálnu sadu typov JSON.

Štandardne môžete bezpečne preniesť nasledujúce objekty Pythonu do json.dumps():

• dict (kódované ako objekty JSON)
• list a tuple (kódované ako polia JSON)
• str (kódované ako reťazce JSON)
• int a float (kódované ako čísla JSON)
• True a False (kódované ako true a false)
• None (kódované ako null)

Keď Python tieto kódy zakóduje, mapovanie späť do JSON je jednoduché, a naopak pri dekódovaní. Napríklad Python tuple sa stane poľom JSON a získate list späť pri načítaní. Výčty odvodené z int or float môžu byť kódované aj ako čísla.

Všetko ostatné si vyžaduje úpravu na mieru default psovod (premeniť objekty na serializovateľnú reprezentáciu) alebo spôsobí TypeErrorJe to zámerné: JSON je určený pre dáta, nie pre ľubovoľné grafy objektov so správaním a metódami, ako by ste mohli serializovať pomocou pickle.

Pre väčšinu každodennej práce táto podmnožina typov pokrýva väčšinu prípadov použitia, vrátane dát API, konfiguračných stromov, používateľských preferencií, základných protokolov a malých súborov „podobných databázam“ pre prototypy alebo nástroje pre jedného používateľa.

Pekná tlač, kompaktný výstup a usporiadané klávesy

Výstup surového JSON býva úplne platný, ale ťažko čitateľný, pretože sa často generuje bez zbytočných medzier. Na ladenie, logovanie alebo zdieľanie s inými vývojármi často potrebujete čitateľný, odsadený JSON namiesto jednoriadkového súboru.

indent parametrom json.dumps() je hlavnou pákou pre peknú tlač, čo vám umožňuje povedať Pythonu, koľko medzier (alebo ktorý reťazec) má použiť na úroveň odsadenia. Typická voľba je indent=4, hoci niektoré kódové bázy uprednostňujú dve medzery alebo znaky tabulátora; štylistické konvencie sa medzi projektmi líšia.

separators argument umožňuje ešte viac doladiť medzery, dáva n-ticu ako (", ", ": ") predvolene pre výstup priateľský k človeku. Ak chcete čo najkompaktnejšiu reprezentáciu – napríklad na zníženie veľkosti užitočného zaťaženia v sieti – môžete nastaviť separators=(",", ":") odstrániť medzery za čiarkami a dvojbodkami.

Keď vám záleží na deterministickom výstupe, napríklad pri jednotkových testoch alebo porovnávaní snímok, aktivácia sort_keys=True zoradí kľúče slovníka výstupu enkodéra v zoradenom poradí. Týmto spôsobom sa dva behy, ktoré produkujú sémanticky identické dáta, nelíšia len preto, že slovníky náhodou vydávajú kľúče v inom poradí.

spolu, indent, separatorsa sort_keys dávajú vám veľa kontroly o tom, či je váš JSON optimalizovaný pre stroje (kompaktný, bez medzier) alebo pre ľudí (odsadený, zarovnaný, so stabilným tvarom naprieč jednotlivými spusteniami).

Vnorené dáta, stratégie parsovania a prístupové vzory

V reálnom JSON sú ploché štruktúry výnimkou; Zvyčajne budete pracovať s vnorenými objektmi a poľami. Predstavte si typický záznam používateľa v aplikácii elektronického obchodu: osobné údaje, vnorené dodacie adresy, vnorené fakturačné údaje a možno aj zoznam objednávok, pričom každá z nich je sama o sebe zložitou štruktúrou.

Pri dekódovaní JSON do Pythonu sa vnorené dáta stávajú kombináciami slovníkov a zoznamov, a môžete k nemu pristupovať pomocou štandardného indexového a kľúčového vyhľadávania. Pre plytké štruktúry je to jednoduché: data, data, A tak ďalej.

Pre hlboko vnorené alebo dynamické štruktúry môžete uprednostniť všeobecnejší prístup, napríklad napísanie malej rekurzívnej funkcie, ktorá vyhľadáva kľúče alebo prechádza stromom slovníkov a zoznamov. Rekurzívne riešenia sú často kratšie a ľahšie čitateľné ako iteračné pri prechádzaní ľubovoľne vnorených údajov.

Nevnorený (plochý) JSON je jednoduchší priamy prístup s pevne zakódovanými kľúčmi, čo môže byť úplne v poriadku pre malé utility alebo keď plne ovládate vstup. Pri využívaní externých API je však bežné písať malé pomocné funkcie, ktoré zapuzdrujú štruktúru, takže sa nerozptyľuje reťazce v celej vašej kódovej základni.

Bez ohľadu na hĺbku, to isté json.loads() správanie platí: Funkcia prijíma reťazec JSON a vytvára natívne typy Pythonu, s ktorými potom manipulujete pomocou bežných nástrojov Pythonu. Nie je potrebná žiadna špeciálna syntax okrem bežnej. dict a list indexovanie.

Práca so súbormi JSON: čítanie, zápis a pridávanie

JSON vytvára prekvapivo praktický a ľahký formát úložiska pre malé projekty, konfiguračné súbory alebo skripty, ktoré potrebujú udržiavať nejaký trvalý stav. Namiesto priameho siahnutia po plnej databáze sa často na dlhší čas vystačíte s jedným alebo dvoma súbormi JSON.

Zápis JSON do súboru je zvyčajne dvojkrokový proces: serializovať dáta v Pythone pomocou json.dumps() alebo priamo s json.dump()a potom sa uistite, že výsledný reťazec sa zapíše na disk. Ak zavoláte open('data.json', 'w'), v režime zápisu získate popisovač súboru, ktorý buď vytvorí súbor, alebo ho skráti, ak už existuje.

Pre vnorené štruktúry sa protokol nelíši od plochých dát: stále používaš to isté json.dump() volanie a vnorené kombinácie zoznamov a slovníkov sú kódované rekurzívne. Jediné rozhodnutie, ktoré zvyčajne musíte urobiť, je, koľko odsadenia chcete pre čitateľnosť v porovnaní s veľkosťou súboru.

Čítanie JSON zo súboru je opačné: otvorenie súboru v textovom režime, odovzdať objekt súboru json.load()a získate späť svoju dátovú štruktúru Pythonu. Opäť platí, že správanie je nezávislé od toho, ako hlboko je vnorenie – dekodér to všetko za vás vyrieši.

Ak potrebujete pridať dáta JSON do existujúcich súborov, Veci sa stávajú zložitejšími. Samotný JSON nepodporuje „streamované pridávanie“ triviálnym spôsobom, pretože celý súbor musí byť platný JSON. Bežným vzorom je uložiť pole záznamov a čítať/upravovať/zapisovať celé pole alebo použiť JSON oddelený riadkami, kde každý riadok je samostatný objekt JSON, ku ktorému môžete pridávať bez prepisovania predchádzajúcich riadkov.

JSON v reálnom svete: API, úložisko a výmena

Keď začnete vytvárať skutočné aplikácie, JSON sa rýchlo stane spojivom ktorý prepája webových klientov a servery, mikroslužby a API tretích strán. Je cenený jednak preto, že je kompaktný a jednak preto, že ho ľudia stále dokážu pomerne ľahko čítať a upravovať.

V interakcii s API je JSON zďaleka najbežnejším formátom užitočného obsahu, najmä v RESTful službách. Aplikácie v jazyku Python zvyčajne používajú knižnice ako requests odosielať HTTP požiadavky a prijímať odpovede JSON, potom analyzujte tieto odpovede pomocou json.loads() alebo s pomocnými metódami, ktoré ho zabalia.

JSON je tiež populárny formát pre konfiguračné súbory a protokoly, kde jeho štruktúrovaná povaha kľúč-hodnota ho robí oveľa výraznejším ako obyčajný text a zároveň zostáva jednoduchý v porovnaní s plnými databázami. Systémové komponenty môžu zdieľať konfiguráciu prostredníctvom JSON a agregátory protokolov môžu analyzovať protokoly JSON, aby ich jednoduchšie filtrovali alebo analyzovali.

Ďalším veľkým prípadom použitia je serializácia a deserializácia dátových štruktúr, konverzia kolekcií v pamäti na reťazce JSON (serializácia) a ich neskoršia rekonštrukcia (deserializácia). Takto sa ukladajú používateľské preferencie, prenášať štruktúrované správy cez fronty alebo odosielať vnorené objekty cez hranice služieb, za predpokladu, že sa budete držať typov kompatibilných s JSON alebo poskytnete vlastné enkodéry.

Okrem samotného JSONu, kód v Pythone často potrebuje konvertovať medzi JSON a inými formátmi, ako napríklad XML, CSV alebo obyčajný text. Napríklad môžete načítať CSV zo staršieho systému, transformovať ho do zoznamu slovníkov a potom ho uložiť ako JSON pre moderné API. Alebo môžete stiahnuť JSON z API, normalizovať ho a napísať CSV pre analytikov, aby ho mohli načítať do tabuliek.

Formátovanie, overovanie a ďalšie operácie s JSON

Keď si osvojíte základné čítanie a písanie, Existuje množstvo malých, ale užitočných operácií, ktoré môžete vykonať s dátami JSON na zlepšenie svojho pracovného postupu: formátovanie pre čitateľnosť, sploštenie vnorených štruktúr, overenie, či je reťazec skutočne JSON, a triedenie dát pre konzistentné porovnávanie.

Pekná tlač s json.dumps(..., indent=...) je prvým krokom, čo vám poskytuje pekne rozmiestnené hierarchie, ktoré uľahčujú rýchle odhalenie štrukturálnych problémov. Toto je obzvlášť užitočné počas ladenia alebo pri zdieľaní príkladov v dokumentácii.

Sploštenie vnorených JSON súborov môže uľahčiť následné spracovanie a analýzu, najmä ak potrebujete previesť dáta do tabuľkovej formy, ako je CSV, alebo ich vložiť do nástrojov, ktoré očakávajú páry kľúč-hodnota namiesto hlboko vnorených objektov. Sploštenie zvyčajne implementujete sami pomocou rekurzie alebo iteratívneho prechádzania cez slovníky a zoznamy.

Validácia JSON sa často redukuje na pokus o jeho parsovanie a zachytávanie výnimiek, najmä ak len overujete, či je reťazec syntakticky správny. Pre dôkladnejšie kontroly môžete použiť schému JSON a externé knižnice, ale v mnohých prípadoch stačí jednoduchý try/except okolo json.loads() je dostatočne.

Triedenie údajov JSON podľa konkrétnych hodnôt alebo kľúčov môže pomôcť pri porovnávaní odpovedí, generovanie stabilných snímok pre testy alebo jednoducho zabezpečenie zoskupenia podobných objektov. Pred výpisom môžete buď zoradiť základné zoznamy a dicty Pythonu, alebo sa spoľahnúť na sort_keys=True keď sa pozornosť zameriava na poradie kľúčov v rámci objektov.

Ošetrenie chýb pri práci s JSON

Aj dobre štruktúrované systémy môžu naraziť na chybne formátovaný JSON alebo neočakávané údaje, takže robustné spracovanie chýb pri parsovaní a kódovaní JSON je kľúčové. Python tieto problémy vyjadruje prostredníctvom výnimiek a idiomatický spôsob, ako sa s nimi vysporiadať, je zabaliť operácie do try...except bloky.

Pri dekódovaní JSON je najčastejším problémom neplatná syntax, ako napríklad chýbajúce úvodzovky okolo názvov vlastností alebo koncové čiarky. json modul vyvolá chybu dekódovania (zvyčajne json.JSONDecodeError), ktoré môžete zachytiť a zaznamenať alebo previesť na užívateľsky prívetivé správy.

Napríklad pokus o analýzu poškodeného reťazca môže viesť k chybe, ako je táto: Failed to decode JSON: Expecting property name enclosed in double quotes: line 1 column 29 (char 28)Tento typ správy vám nielen povie, že analýza zlyhala, ale aj kde vo vstupe sa analyzátor zmätil.

Na strane kódovania môžete naraziť TypeError pri pokuse o serializáciu nepodporovaných typov, or ValueError ak to zakážeš NaN a nekonečná cez allow_nan=False ale vaše dáta obsahujú takéto hodnoty. Kruhové odkazy v kontajneroch môžu tiež spustiť RecursionError ak vypnete kruhové kontroly.

Najlepšou praxou je považovať operácie JSON za chybné I/O, najmä pri čítaní zo sieťových zdrojov alebo externých súborov: vždy predpokladajte, že sa niečo môže pokaziť, a podľa toho zachytávajte výnimky, prípadne pridajte vrstvy overovania, aby ste presadili špecifickejšie obmedzenia vašich údajov. Zalamovanie json.loads() alebo pomocné metódy API v try...except bloky chránia zvyšok vášho kódu pred kaskádovými zlyhaniami a umožňujú vám vrátiť používateľsky prívetivé chyby JSON klientom, keď je to vhodné.

Používanie JSON s webovými API v Pythone

Väčšina webových API, s ktorými komunikujete z Pythonu, bude odosielať a prijímať JSON, a typický vývojový balík kombinuje requests knižnica (pre HTTP) s json modul (na parsovanie a generovanie JSON). Táto kombinácia robí integráciu API veľmi prirodzenou.

Bežným vzorom je volanie koncového bodu API, skontrolujte, či kód stavu odpovede indikuje úspech, a potom analyzovať telo JSONOdtiaľ môžete pristupovať k poliam, spracovávať vnorené údaje a mapovať odpoveď do vlastných modelov domén alebo zobrazovať objekty.

Ošetrenie chýb sa stáva obzvlášť dôležitým, keď sú zapojené sieťové volania, pretože sa môžete stretnúť nielen s neplatným JSON, ale aj s časovými limitmi, chybami pripojenia alebo zlyhaniami na strane servera, ktoré odpovedajú HTML namiesto JSON. json.loads() alebo pomocné metódy API v try...except bloky chránia zvyšok kódu pred kaskádovými zlyhaniami.

Po analýze sa API JSON správa rovnako ako ktorákoľvek iná dátová štruktúra Pythonu, takže všetky techniky, o ktorých sme hovorili predtým – pekný výtlačok, sploštenie, validácia, triedenie – sa dajú priamo aplikovať. Pohodlné prepínanie medzi údajmi v Pythone a JSON je obrovským zvýšením produktivity pri prepájaní služieb. Ak sa zameriavate na vytváranie skutočných aplikáciíVčasné venovanie pozornosti vzorcom spracovania JSON ušetrí čas ladenia neskôr.

JSON v Pythone nie je ani tak o volaní jednej funkcie, ako skôr o súbore nástrojov: jasné mapovanie typov, flexibilné parametre kódovania, funkcie pre vlastné typy, jednoduché, ale výkonné operácie so súbormi a robustné vzory na parsovanie, formátovanie a overovanie údajov z vonkajšieho sveta, vďaka čomu je JSON prirodzenou voľbou pre programátorov v Pythone, ktorí sa zaoberajú modernými aplikáciami riadenými dátami.