ఆన్లైన్ API ల నుండి మీ డేటాను ఎలా రవాణా చేయాలో మీకు తెలుసా లేదా మీ స్థానిక యంత్రాలకు వివిధ రకాల డేటాను నిల్వ చేస్తుంది. ఒక మార్గం లేదా మరొకటి మీరు JSON లో మునిగిపోయారు జావా స్క్రిప్ట్ ఆబ్జెక్ట్ సంజ్ఞామానం. ఇది సెమీ స్ట్రక్చర్డ్ డేటాను సూచించడానికి ఉపయోగించే ప్రఖ్యాత మరియు ప్రసిద్ధ డేటా ఫార్మాట్. పైథాన్ JSON గురించి మరింత వివరంగా తెలుసుకుందాం.
ఈ వ్యాసంలో ఈ క్రింది అంశాలు చర్చించబడతాయి:
పైథాన్లో JSON పరిచయం:
JSON అంటే జె ava ఎస్ cript లేదా bject ఎన్ ఓటేషన్వ్యవస్థీకృత మరియు సులభమైన పద్ధతిలో సమాచారాన్ని నిల్వ చేసే మార్గం. బ్రౌజర్ మరియు సర్వర్ మధ్య మార్పిడి చేసినప్పుడు డేటా తప్పనిసరిగా టెక్స్ట్ రూపంలో ఉండాలి.
ఒకవేళ మీరు ఆశ్చర్యపోతున్నారా ? అప్పుడు, సమాధానం లేదు. ఇది టెక్స్ట్తో రూపొందించబడిన స్క్రిప్ట్ మరియు డేటాను మానవ మరియు యంత్ర-చదవగలిగే ఆకృతిలో నిల్వ చేయడానికి మరియు బదిలీ చేయడానికి ఉపయోగించబడుతుంది. ఇది జావాస్క్రిప్ట్ నుండి ప్రేరణ పొందిన చిన్న, తక్కువ-బరువు డేటా ఫార్మాట్ మరియు సాధారణంగా టెక్స్ట్ లేదా స్ట్రింగ్ ఆకృతిలో ఉపయోగించబడుతుంది. యొక్క ప్యాకెట్ JSON పైథాన్ నిఘంటువుతో సమానంగా ఉంటుంది. ఇప్పుడు, మీరు ఆశ్చర్యపోతున్నారు
పైథాన్లో JSON ఫైల్ను ఎలా చదవాలి?
మీ ప్రశ్నకు సమాధానం ఏమిటంటే, పైథాన్ డేటా రకాలను సాధారణంగా JSON స్ట్రింగ్ ఫైల్గా మార్చే JSON మాడ్యూల్ను మీరు దిగుమతి చేసుకోవాలి. ఇది JSON ఫైళ్ళనుండి నేరుగా చదివే మరియు వ్రాసే JSON ఫంక్షన్లను కలిగి ఉంటుంది. అంతర్నిర్మిత JSON ప్యాకేజీని కలిగి ఉంది మరియు ఇది ప్రామాణిక లైబ్రరీలో ఒక భాగం, కాబట్టి మీరు దీన్ని ఇన్స్టాల్ చేయనవసరం లేదు.
ఉదాహరణ:
దిగుమతి json
పైథాన్లో మీకు JSON గురించి ఇప్పుడు తెలుసు, పార్సింగ్ గురించి లోతుగా చూద్దాం.
పార్సింగ్:
JSON లైబ్రరీ JSON నుండి అన్వయించవచ్చు తీగలను లేదా ఫైల్స్. ఇది JSON ని కూడా అన్వయించవచ్చు లేదా జాబితా చేసి, దీనికి విరుద్ధంగా చేయండి. పార్సింగ్ సాధారణంగా రెండు దశల్లో జరుగుతుంది:
- JSON నుండి పైథాన్కు మార్పిడి
- పైథాన్ నుండి JSON కు మార్పిడి
రెండు దశల గురించి బాగా అర్థం చేసుకుందాం.
JSON నుండి పైథాన్కు మార్పిడి:
మీరు ఉపయోగించి JSON స్ట్రింగ్ను పైథాన్గా మార్చవచ్చుjson.loads ().
ఆచరణాత్మక అమలును మీకు చూపిస్తాను:
ఉదాహరణ:
దిగుమతి json people_string = '' 'people' వ్యక్తులు ': [{' emp_name ':' జాన్ స్మిత్ ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_number': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} ' '' డేటా = json.loads (people_string) ముద్రణ (డేటా)
అవుట్పుట్:
పై అవుట్పుట్ నుండి మీరు చూడగలిగినట్లుగా, ఇది a ను ముద్రించింది . మంచి అవగాహన కోసం డేటాటైప్ను ప్రింట్ చేద్దాం.
ఉదాహరణ:
దిగుమతి json people_string = '' 'people' వ్యక్తులు ': [{' emp_name ':' జాన్ స్మిత్ ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_number': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} ' '' డేటా = json.loads (people_string) ముద్రణ (రకం (డేటా)) # డేటాటైప్ను ముద్రిస్తుంది
అవుట్పుట్:
ఇప్పుడు, మీకు ఒక మార్పిడి గురించి తెలిసి ఉంటే, రెండవ దశలో ఇతర మార్పిడి రకాన్ని చూద్దాం.
పైథాన్ నుండి JSON కు మార్పిడి:
పైథాన్ వస్తువును ఉపయోగించి JSON స్ట్రింగ్కు మార్చవచ్చుjson.dumps ().
క్రింద ఇచ్చిన ఉదాహరణను పరిశీలిద్దాం:
ఉదాహరణ:
దిగుమతి json people_string = '' 'people' వ్యక్తులు ': [{' emp_name ':' జాన్ స్మిత్ ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_no.': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} '' 'డేటా = json.loads (people_string) new_string = json.dumps (data) print (new_string)
అవుట్పుట్:
అవుట్పుట్ JSON స్ట్రింగ్ రకంగా ఉంటుంది. నేను ఇప్పటికే JSON నుండి పైథాన్ మార్పిడికి డేటాటైప్ను ప్రదర్శించాను, డేటా రకాన్ని ముద్రించడానికి అదే విధానాన్ని అనుసరిస్తారు.
ముందుకు సాగండి మరియు పాండాలు JSON ను ఎలా అన్వయించారో చూద్దాం.
పాండస్ పార్సింగ్ JSON:
JSON స్ట్రింగ్ a లో అన్వయించవచ్చు పాండాలు కింది దశల నుండి డేటాఫ్రేమ్:
- డేటాఫ్రేమ్లోకి JSON స్ట్రింగ్ను లోడ్ చేయడానికి క్రింది సాధారణ నిర్మాణాన్ని ఉపయోగించవచ్చు.
pdas ని pd pd.read_json గా దిగుమతి చేయండి (r'Path మీరు JSON fileFile Name.json 'ను సేవ్ చేసిన చోట)
- JSON స్ట్రింగ్ సిద్ధం.
- మేము ఉపయోగిస్తున్న JSON ఫైల్ను సృష్టించండి nobel_prize.json.
- JSON ఫైల్ను పాండాస్ డేటాఫ్రేమ్లోకి లోడ్ చేయండి.
దిగువ అమలు చేసిన కోడ్ నా JSON ఫైల్ను డేటాఫ్రేమ్లోకి లోడ్ చేస్తుంది.
పైథాన్లో డేటా రకాన్ని ఎలా కనుగొనాలి
f: data = json.load (f) ప్రింట్ (డేటా) df = pd.DataFrame print (df) తో ఓపెన్ (r'C: UsersHarshit_KantDesktopnobel.prize.json ') తో pd దిగుమతి json గా దిగుమతి చేయండి.
అవుట్పుట్:
ముందుకు వెళుతున్నప్పుడు, పైథాన్లో మీరు JSON ను ఎలా సీరియలైజ్ చేయవచ్చో చూద్దాం.
JSON యొక్క సీరియలైజేషన్ [ఎన్కోడ్]:
JSON ను సీరియలైజ్ చేయడం అంటే మీరు JSON ను ఎన్కోడింగ్ చేస్తున్నారని అర్థం. ఇది ఇచ్చిన పైథాన్ డేటా స్ట్రక్చర్ (ఉదా: డిక్ట్) ను దాని చెల్లుబాటు అయ్యే JSON ఆబ్జెక్ట్గా మారుస్తుంది. ఫైల్లోని డేటా ప్రవాహాన్ని నిర్వహించడానికి, పైథాన్లోని JSON లైబ్రరీ a ని ఉపయోగిస్తుంది డంప్ () మరియు డంప్స్ () పద్ధతి, అది మార్పిడి చేస్తుంది మరియు ఫైళ్ళలో డేటాను రాయడం సులభం చేస్తుంది.
క్రింద ఇవ్వబడిన పట్టిక పైథాన్ డేటాటైప్స్ వారి సంబంధిత JSON రకానికి మార్చబడుతుంది.
పైథాన్ | JSON |
డిక్ట్ (నిఘంటువు) | వస్తువు |
జాబితా, శ్రేణి | టుపుల్ |
స్ట్రింగ్ | స్ట్రింగ్ |
పూర్ణాంకానికి, పొడవైన, తేలియాడే | సంఖ్యలు |
నిజం | నిజం |
తప్పుడు | తప్పుడు |
ఏదీ లేదు | శూన్య |
గుర్తుంచుకోవలసిన పాయింట్లు:
డంప్ () - డేటాను JSON ఫైల్గా మారుస్తుంది
డంప్స్ () - డేటాను JSON స్ట్రింగ్కు మారుస్తుంది
లోడ్ () - JSON ఫైల్ను పైథాన్ ఆబ్జెక్ట్గా మారుస్తుంది
లోడ్లు () - JSON స్ట్రింగ్ యొక్క వస్తువును పైథాన్ వస్తువుగా మారుస్తుంది
ప్రెట్టీ ప్రింటింగ్:
ప్రెట్టీ ప్రింటింగ్ కోడ్ అమరికను జాగ్రత్తగా చూసుకుంటుంది మరియు దానిని మానవ-చదవగలిగే ఆకృతిలో చేస్తుంది. దిగువ ఉదాహరణను చూద్దాం, ఇక్కడ నేను రెండు పారామితులను దాటిన ‘sort_keys’ ఎల్లప్పుడూ బూలియన్ నిజమైన విలువ మరియు ‘ఇండెంట్’ ఖాళీలను అందిస్తుంది.
ఉదాహరణ:
దిగుమతి json people_string = '' 'people' వ్యక్తులు ': [{' emp_name ':' జాన్ స్మిత్ ',' emp_no. ':' 924367-567-23 ',' emp_email ': [' johnsmith@dummyemail.com '], 'has_license': 'false'}, {'emp_name': 'harshit kant', 'emp_no.': '560-555-5153', 'emp_email': 'null', 'has_license': 'true'}]} '' 'డేటా = json.loads (people_string) new_string = json.dumps (data, sort_keys = True, indent = 3) print (new_string)
అవుట్పుట్:
పైథాన్ JSON ట్యుటోరియల్లో ముందుకు వెళుతున్నప్పుడు, JSON యొక్క దేశీకరణను అర్థం చేసుకుందాం.
JSON యొక్క డీసలైజేషన్ [డీకోడ్]:
JSON యొక్క డీసియలైజేషన్ అనేది సీరియలైజేషన్కు ఖచ్చితమైన వ్యతిరేకం, అనగా మీరు JSON ను డీకోడ్ చేస్తున్నారని అర్థం. ఇది ఇచ్చిన JSON స్ట్రింగ్ను a గా మారుస్తుంది పైథాన్ వస్తువు ఉపయోగించడం ద్వారా లోడ్ () మరియు లోడ్లు () మార్పిడి చేసే పద్ధతి.
JSON డేటా రకాన్ని సంబంధిత పైథాన్ రకానికి మార్చడాన్ని వివరించే పట్టిక క్రింద ఇవ్వబడింది.
JSON | పైథాన్ |
వస్తువు | డిక్ట్ (నిఘంటువు) |
టుపుల్ | జాబితా, శ్రేణి |
స్ట్రింగ్ | స్ట్రింగ్ |
సంఖ్యలు | పూర్ణాంకానికి, పొడవైన, తేలియాడే |
నిజం | నిజం |
తప్పుడు | తప్పుడు |
శూన్య | ఏదీ లేదు |
“పైథాన్ JSON” ట్యుటోరియల్లో ముందుకు కదులుతోంది. కోడింగ్ దృక్పథం ద్వారా సీరియలైజేషన్ మరియు దేశీకరణ రెండింటి యొక్క నిజ-సమయ ఉదాహరణను నేను మీకు చూపిస్తాను.
కోడింగ్ ప్రదర్శన:
ఈ కోడింగ్ ప్రదర్శనలో, నేను ఇచ్చిన “నోబెల్ బహుమతి” అనే JSON డేటాసెట్ను ఉపయోగిస్తున్నాను ఇక్కడ . JSON ఫైల్ ద్వారా సీరియలైజేషన్ మరియు డీసియలైజేషన్ ఎలా చేయాలో మీరు నేర్చుకుంటారు.
జావా కోసం గ్రహణాన్ని ఎలా కాన్ఫిగర్ చేయాలి
ఉదాహరణ (JSON డేటాసెట్ యొక్క సీరియలైజేషన్):
ఓపెన్గా ('nobel_prize.json.html') f తో json ను దిగుమతి చేయండి: డేటా = json.load (f) ఓపెన్తో ('new_nobel_prize.json.html') f: json.dump (డేటా, f, ఇండెంట్ = 2)
అవుట్పుట్:
విజయవంతంగా సంకలనం చేయబడింది మరియు ఇప్పటికే ఉన్న “nobel_prize.json” ఫైల్ నుండి డేటా డంప్ చేయబడుతున్న కొత్త ఫైల్ “new_nobel_prize.json” సృష్టించబడుతుంది.
ఉదాహరణ (JSON డేటాసెట్ యొక్క దేశీకరణ):
డేటాలో నోబెల్_ప్రిజ్ కోసం ఓపెన్ ('నోబెల్_ప్రిజ్.జోన్.హెచ్ఎమ్') తో json ను దిగుమతి చేయండి ['బహుమతులు']: ప్రింట్ (నోబెల్_ప్రిజ్ ['సంవత్సరం'], నోబెల్_ప్రిజ్ ['వర్గం'])
అవుట్పుట్:
కోడ్ స్నిప్పెట్ JSON ఫైల్ నుండి దాని పైథాన్ ఆబ్జెక్ట్కు చేసిన మార్పులను చూపుతుంది.
ఇది మన వ్యాసం “పైథాన్ JSON” చివరికి తీసుకువస్తుంది. JSON, పార్సింగ్, సీరియలైజేషన్ మరియు దేశీకరణకు సంబంధించిన అన్ని అంశాలతో మీరు స్పష్టంగా ఉన్నారని నేను ఆశిస్తున్నాను.
మీరు వీలైనంత వరకు ప్రాక్టీస్ చేశారని నిర్ధారించుకోండి మరియు మీ అనుభవాన్ని తిరిగి పొందండి.
మాకు ప్రశ్న ఉందా? దయచేసి ఈ పైథాన్ JSON వ్యాసం యొక్క వ్యాఖ్యల విభాగంలో పేర్కొనండి మరియు మేము వీలైనంత త్వరగా మిమ్మల్ని సంప్రదిస్తాము. పైథాన్ యొక్క వివిధ అనువర్తనాలతో పాటు లోతైన జ్ఞానం పొందడానికి, మీరు చేయవచ్చు 24/7 మద్దతు మరియు జీవితకాల ప్రాప్యతతో మా ప్రత్యక్ష ఆన్లైన్ శిక్షణతో.