网站网页设计怎么报价seo公司彼亿营销

---

在上一节“Python小酷库系列：Python中的JSON工具库(1)”中，我们介绍了“普通玩家”和“高性能玩家”常用的JSON工具库，本节我们将拓宽视野，从功能性的角度介绍一些Python中的JSON工具库。

复杂数据类型转换

1、json5

json5 是 JSON 的超集，允许更宽松的语法（如允许注释、单引号、不加引号的键等），适合人类书写配置文件。json5 库提供了对 JSON5 格式的解析支持。
安装

pip install json5

基本使用

import json5
# JSON5 字符串，包含注释、单引号、不加引号的键等
json5_str = """
{// 这是一个注释unquotedKey: 'value',"quotedKey": 123,trailingComma: true,
}
"""
# 解析 JSON5 字符串
data = json5.loads(json5_str)
print(data)
# 输出: {'unquotedKey': 'value', 'quotedKey': 123, 'trailingComma': True}

json5 库支持的扩展语法解析：

特性	说明
注释	支持 // 单行注释 和 /* */ 多行注释
尾逗号	允许最后一个元素后写逗号
单引号字符串	‘text’ 与 “text” 都合法
未加引号的键	允许键名不加引号（如 foo: 1）
十六进制数字	支持 0x1234 数字表示
正负号数字	支持 +1、-2
多行字符串	可以使用 \ 跨行字符串
数字中的下划线	如 1_000_000（提高可读性）

写入 JSON5 数据
虽然 json5 支持读取 JSON5 文件，但并不支持将 Python 对象序列化为 JSON5 格式（即没有 json5.dumps() 带有 JSON5 特性的输出功能）。它只能写成标准 JSON：

data = {'foo': 'bar'}
print(json5.dumps(data))  # 输出: {"foo": "bar"}

2、dataclasses_json

dataclasses-json主要用于dataclasses 的 JSON 序列化/反序列化，它还支持dataclasses与dict类型的互相转化， 是 dataclasses 的一个强力补丁库。
安装

pip install dataclasses-json

基本使用

from dataclasses import dataclass
from dataclasses_json import dataclass_json@dataclass_json
@dataclass
class User:id: intname: struser = User(id=1, name='Alice')# 序列化为 JSON 字符串
json_str = user.to_json()
print(json_str)  # {"id": 1, "name": "Alice"}# 反序列化为 Python 对象
new_user = User.from_json('{"id": 2, "name": "Bob"}')
print(new_user.name)  # Bob# 转为字典
print(user.to_dict())  # {'id': 1, 'name': 'Alice'}# 从字典创建
u = User.from_dict({'id': 3, 'name': 'Carol'})
print(u)

嵌套结构支持

@dataclass_json
@dataclass
class Address:city: strzipcode: str@dataclass_json
@dataclass
class Person:name: straddress: Addressp = Person(name='Tom', address=Address(city='NY', zipcode='10001'))print(p.to_json())
# {"name": "Tom", "address": {"city": "NY", "zipcode": "10001"}}# 自动反序列化嵌套结构
data = Person.from_json('{"name": "Amy", "address": {"city": "LA", "zipcode": "90001"}}')
print(data.address.city)  # LA

转换配置
config函数可以用于配置字段的类型和别名等。

@dataclass_json
@dataclass
class Data:user_id: int = config(field_name='userId')time: datetime = config(encoder=datetime.isoformat,decoder=datetime.fromisoformat,mm_field=fields.DateTime())d = Data(user_id=1001, time=datetime(2024, 1, 1, 12, 0))
print(d.to_json())  # {"userId": 1001,"time":"2024-01-01T12:00:00"}

JSON数据校验

1、jsonschema

jsonschema 是 Python 中用于JSON 数据结构验证的官方实现之一，遵循 JSON Schema 标准，可以验证 JSON 数据是否符合你定义的“规则/结构”。
安装

pip install jsonschema

基本使用

from jsonschema import validate
from jsonschema.exceptions import ValidationError# 定义 JSON Schema（结构规则）
schema = {"type": "object","properties": {"name":   {"type": "string"},"age":    {"type": "integer", "minimum": 0},},"required": ["name", "age"]
}# 要校验的 JSON 数据
data = {"name": "Alice","age": 30
}try:validate({"name": "Bob"}, schema)
except ValidationError as e:print("校验失败:", e.message)

常见规则示例

{"type": "object","properties": {"username": {"type": "string", "minLength": 3, "pattern": "^[a-zA-Z0-9_]+$"},"age": {"type": "integer", "minimum": 0, "maximum": 120},"email": {"type": "string", "format": "email"},"tags": {"type": "array","items": {"type": "string"},"maxItems": 5},"active": {"type": "boolean"}},"required": ["username", "email"]
}

**自定义规则 **

from jsonschema import Draft7Validator, FormatCheckerschema = {"type": "object","properties": {"phone": {"type": "string", "format": "phone"}}
}# 添加自定义格式检查器
@FormatChecker.cls_checks("phone")
def is_phone(value):import rereturn bool(re.match(r'^\d{11}$', value))data = {"phone": "13800138000"}validate(data, schema, format_checker=FormatChecker())

数组验证

schema = {"type": "array","items": {"type": "number"},"minItems": 1,"uniqueItems": True
}validate([1, 2, 3], schema)  # 正确
validate([], schema)  # 失败，元素太少

2、pydantic

Pydantic 是 Python 中最流行的数据验证和数据模型库，它的功能完全有必要另开一篇文章来详细讨论，这里仅仅介绍一下它在JSON 数据校验中的使用。
安装

pip install pydantic

基本使用

from pydantic import Fieldclass Product(BaseModel):name: str = Field(..., min_length=3)price: float = Field(..., gt=0, lt=10000)# 自动校验 JSON 字段
try:Product.model_validate({"name": "P", "price": -10})
except ValidationError as e:print(e)

数组与复杂结构

from typing import Listclass Tag(BaseModel):name: strclass Post(BaseModel):title: strtags: List[Tag]post_data = {"title": "My Post","tags": [{"name": "Python"}, {"name": "FastAPI"}]
}post = Post.model_validate(post_data)
print(post.tags[0].name)  # Python

自定义校验器

from pydantic import field_validatorclass User(BaseModel):username: str@field_validator('username')def no_spaces(cls, v):if ' ' in v:raise ValueError("username can't contain spaces")return v

3、Voluptuous

Voluptuous 是一个用于 Python 数据校验的库，语法灵活、结构清晰，不同于jsonschema 所遵循JSON Schema 标准，它采用的是「函数式」「声明式」风格。
安装

pip install voluptuous

基本使用

from voluptuous import Schema, Required, All, Length, Range,MultipleInvalidschema = Schema({Required('name'): All(str, Length(min=2)),Required('age'): All(int, Range(min=0, max=120)),'email': str,
})data = {'name': 'Alice','age': 30,'email': 'alice@example.com'
}try:schema({'name': 'A', 'age': -1})
except MultipleInvalid as e:print("校验失败:", e)

常用的构造器和校验器主要有：

校验器	功能
Required(…)	必须字段
Optional(…)	可选字段
All(…)	多重条件组合校验器
Length(min, max)	字符串或列表长度限制
Range(min, max)	数值范围限制
Match(r’^\w+$')	正则匹配
In([…])	枚举（值必须属于其中之一）
Any(A, B)	多个类型之一
[type]	列表中每一项的类型
{str: int}	键值类型均为特定类型的 dict

嵌套结构与数组校验

config_schema = Schema({Required('host'): str,Required('port'): All(int, Range(min=1024, max=65535)),'debug': bool,'users': [{Required('name'): str,'email': str}]
})config = {'host': 'localhost','port': 8000,'debug': True,'users': [{'name': 'admin', 'email': 'admin@example.com'}]
}print(config_schema(config))

自定义验证规则

from voluptuous import Invaliddef is_even(v):if v % 2 != 0:raise Invalid("必须为偶数")return vschema = Schema({'number': is_even})
print(schema({'number': 4}))  
# print(schema({'number': 5}))  # 报错