json的优势：

1. 数据体积方面。

JSON相对于XML来讲，数据的体积小，传递的速度更快些。

2. 传输速度方面。

JSON的速度要远远快于XML

3. 数据格式

数据格式比较简单, 易于读写, 格式都是压缩的。

4. 与python的交互使用方便

json 是 k-v结构的形式,

简单来说， 如果是一个key,对应一个value.中间用 : 分隔，最外面用{}包围， 不同键值对之间用逗号，隔开

{‘key1’: 'value1', 'key2': 'value2', 'key3': 'value3'}

如果有一个Key对应着多个value的情况，用[]把对应的所有value包括起来。

{'key1': ['v11', 'v12', 'v13'], 'key2':'v22'}

复杂一点的还有这样的，不过其实原理都一样。

{"people":[{"firstName": "Brett","lastName":"McLaughlin"},{"firstName":"Jason","lastName":"Hunter"
}
]
}

json是什么呢？

• 是一种轻量级的数据交换格式。
• 完全独立于编程语言的文本格式来存储和表示数据。
• 简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言。 易于人阅读和编写，易于机器解析和生成，并有效地提升网络传输效率。

json JavaScript Object Notation（JS对象标记）和JavaScript 的关系

JSON格式在语法上与创建JavaScript对象的代码相同。由于这种相似性，JavaScript程序可以轻松地将JSON数据转换为JavaScript对象。JavaScript是一种语言， 而json终其还是一种文本格式，是一堆字符串。

由于json是文本格式， 我们要用python去操纵它，首先需要把这种格式转换为python中的字典。

with open('finance/finance_company.json', encoding='utf-8') as f:line = f.readline()print(type(line))f.close()

输出结果：

<class 'str'>　

可以看出来，我们从json格式中读出来为str类型。　　

我们调用json库的loads方法。

json.load(fp, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

object_hook是一个可选的函数，它将被任何对象字面值解码（dict）的结果调用。将使用object_hook的返回值而不是dict。该特征可以用于实现定制解码器（例如，JSON-RPC类提示）。

object_pairs_hook是一个可选的函数，它将使用任何对象字面值的结果进行调用，并使用对的有序列表进行解码。将使用object_pairs_hook的返回值，而不是dict。该特征可以用于实现依赖于键和值对被解码的顺序的自定义解码器（例如，collections.OrderedDict()将记住插入的顺序）。如果还定义了object_hook，则object_pairs_hook优先。

parse_float（如果指定）将使用要解码的每个JSON浮点的字符串进行调用。默认情况下，这相当于float(num_str)。这可以用于使用另一个数据类型或解析器为JSON浮动（例如。decimal.Decimal）。

parse_int（如果指定）将使用要解码的每个JSON int的字符串进行调用。默认情况下，这相当于int(num_str)。这可以用于使用另一个数据类型或解析器为JSON整数（例如。float）。

parse_constant如果指定，将使用以下字符串之一调用：'-Infinity'，'Infinity'，'NaN'。这可以用于引发异常，如果遇到无效的JSON数字。

在版本3.1中更改： parse_constant不会在“null”，“true”和“false”上调用。

要使用自定义JSONDecoder子类，请使用cls kwarg；否则使用JSONDecoder。额外的关键字参数将被传递给类的构造函数。

json.loads(s, encoding=None, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

除了多了一个编码参数， 其余的都与json.load一样。

json.load用来加载文件， 而json.loads用来加载字符串(很明显，因为多了个s(string))

import jsonwith open('finance/finance_company.json', encoding='utf-8') as f:line = f.readline()d = json.loads(line)print(type(d))f.close()

输出：

<class 'dict'>

读取范例：

new.json

{"name": "异享金融", "company_url": "http://www.yixiangjinrong.com", "telphone": "0371-55056647", "crawl_time": "2017-07-13 16:11:16"}

readjson.py

import jsonwith open('test.json', encoding='utf-8') as f:line = f.readline()d = json.loads(line)name = d['name']company_url = d['company_url']telephone = d['telphone']crawl_time = d['crawl_time']print(name, company_url, telephone, crawl_time)f.close()

输出结果：

异享金融 http://www.yixiangjinrong.com 0371-55056647 2017-07-13 16:11:16

这样就成功的读取了json文件啦。

写json文件

json.dump(obj, fp, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

json模块总是产生str对象，而不是bytes对象。因此，fp.write()必须支持str输入。

如果ensure_ascii为true（默认值），则输出将保证所有传入的非ASCII字符都转义。如果ensure_ascii为false，则这些字符将按原样输出。

如果check_circular为false（默认值：True），则将跳过容器类型的循环引用检查，循环引用将导致OverflowError

如果allow_nan为false（默认值：True），则将是ValueError序列化超出范围float值（nan，inf，-inf），严格遵守JSON规范。如果allow_nan为true，则将使用与其等效的JavaScript代码（NaN，Infinity，-Infinity）。

如果缩进是非负整数或字符串，那么JSON数组元素和对象成员将以该缩进级别打印。缩进级别0，负数或""将只插入换行符。None（默认值）选择最紧凑的表示。使用正整数缩进缩进，每个级别有许多空格。如果缩进是字符串（例如"\t"），则该字符串用于缩进每个级别。

如果sort_keys为真（默认值：False），则字典的输出将按键排序。

使用默认的 ensure_ascii=True时， json文件变成了这样：

{"name": "\u4e24\u53ea\u8001\u864e", "company_url": "http://www.twotiger.com/", "telphone": "010-64789918", "crawl_time": "2017-07-16 22:57:15"}

　ensure_ascii=Flase, 中文就成功出现

{"name": "异享金融", "company_url": "http://www.yixiangjinrong.com", "telphone": "0371-55056647", "crawl_time": "2017-07-13 16:11:16"}

因为该方法把我们的中文自动转义了， 变成了ASCII码， 所以导致了中文看着错乱了。加上这句就好了。

如何读取完整的文件

上面主要示例了json的使用。但是在实际开发过程中我们是需要对这个文件进行读取的。下面我们看看如何读取。

我们都应该知道python读取文件有三种方法。

read(), readline(), radlines()

read()直接读取出字符串，并且字符串或者字符对象返回。

readline() 读取文本中的一行

readlines() 读取文本中的所有内容并放入缓存区。

下面是使用的readline读取整个文本示例：

with open(file_path, 'r', encoding='utf-8') as f:try:while True:line = f.readline()if line:r = json.loads(line)# print(r)else:breakexcept:f.close()

这样就可以读取所有文本并解析成Python可以操作的数据模式了