爬虫数据文件存储要点之JSON

xiaotaomi

我们程序爬取到的信息肯定是需要保存到本地的，保存信息的方式有数据库和文件的形式，保存文件的常用格式就比较多，如 JSON、CSV、TXT、图⽚、视频、⾳频等，常用的一些库有 csv、xlwt、json、pandas、pickle、python-docx 等，这里我我们了解下JSON格式的使用，

JSON(JavaScript Object Notation, JS 对象简谱) 是一种轻量级的数据交换格式。它基于 ECMAScript (欧洲计算机协会制定的js规范)的一个子集，采用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，同时也易于机器解析和生成，并有效地提升网络传输效率。

首先我们是保存爬取到的数据，自然就需要要写爬虫，这里简单的示例下，提取信息我就直接放代码了，用的BeautifulSoup的节点选择器和方法选择器。

import jsonimport csvimport lxmlimport requestsfrom bs4 import BeautifulSoup as BSresponse = open('html.txt',encoding='utf-8')bsobj = BS(response, 'lxml')items = bsobj.find_all('div', class_='explore-feed feed-item', )for item in items:    question = item.a.string    author = item.find(name='a', class_='author-link').get_text()    answer = item.textarea.string    info = [question,author,answer,]    dict = {'question':question, 'author':author, 'answer':answer}    save_as_txt(info)    save_as_json(dict)    save_as_csv(info)

json我们主要用两个方法:

loads(string)读取和

dumps(data, indent=4, ensure_ascii=False)输出

indent 是为了美化输入，是缩进4格

ensure_ascii是为了能够显示中文，否则中文会显示为Unicode字

我们接受一个字典作为输入内容，追加模式写入

def save_as_json(dict):    filename = 'info.json'    with open(filename, 'a',encoding='utf-8') as file:        file.write(json.dumps(dict, indent=4, ensure_ascii=False)+',\n')

结果：

注意的：

1 json.dumps将Python对象编码成JSON字符串

2 josn.loads 将已经编码的json字符串变为python对象。（网上抓包得到的json数据，需要解码成python对象，再进行后续处理）