数据提取之JSON

数据提取

什么是数据提取？

• 简单的来说，数据提取就是从响应中获取我们想要的数据的过程

数据分类

• 非结构化的数据：html等
  • 处理方法：正则表达式、xpath
• 结构化数据：json，xml等
  • 处理方法：转化为python数据类型

数据提取之JSON

由于把json数据转化为python内建数据类型很简单，所以爬虫中，如果我们能够找到返回json数据的URL，就会尽量使用这种URL

JSON

• JSON在数据交换中起到了一个载体的作用，承载着相互传递的数据

JSON是一种轻量级的数据交换格式，它使得人们很容易的进行阅读和编写。同时也方便了机器进行解析和生成。适用于进行数据交互的场景，比如网站前台与后台之间的数据交互。
json简单说就是javascript中的对象和数组，所以这两种结构就是对象和数组两种结构，通过这两种结构可以表示各种复杂的结构

• 对象：对象在js中表示为{ }括起来的内容，数据结构为 { key：value, key：value, ... }的键值对的结构，在面向对象的语言中，key为对象的属性，value为对应的属性值，所以很容易理解，取值方法为 对象.key 获取属性值，这个属性值的类型可以是数字、字符串、数组、对象这几种。
• 数组：数组在js中是中括号[ ]括起来的内容，数据结构为 ["Python", "javascript", "C++", ...]，取值方式和所有语言中一样，使用索引获取，字段值的类型可以是 数字、字符串、数组、对象几种
• 那么问题来了：哪里能找到返回json的url呢？
  • 使用chrome切换到手机页面
  • 抓包手机app的软件

1. json.loads()
   把Json格式字符串解码转换成Python对象
2. json.dumps()
   实现python类型转化为json字符串，返回一个str对象 把一个Python对象编码转换成Json字符串
3. json.dump()
   将Python内置类型序列化为json对象后写入文件
4. json.load()
   读取文件中json形式的字符串元素 转化成python类型