Python JsonPath 详细使用

一、简介

• JsonPath 是一种信息抽取类库，是从JSON文档中抽取指定信息的工具，提供多种语言实现版本，包括：Javascript, Python， PHP 和 Java。
• JsonPath 对于 JSON 来说，相当于 XPATH 对于 XML。
• Json 结构清晰，可读性高，复杂度低，非常容易匹配，下表中对应了 XPath 的用法（n/a 代表不支持）：

  XPath	JSONPath	描述
  /	$	根节点
  .	@	现行节点
  /	. or []	取子节点
  ..	n/a	取父节点，JsonPath 未支持
  //	..	就是不管位置，选择所有符合条件的条件
  *	*	匹配所有元素节点
  @	n/a	根据属性访问，Json 不支持，因为 Json 是个 Key-value 递归结构，不需要
  []	[]	迭代器标示（可以在里边做简单的迭代操作，如数组下标，根据内容选值等）
  |	[,]	支持迭代器中做多选
  []	?()	支持过滤操作
  n/a	()	支持表达式计算
  ()	n/a	分组，JsonPath 不支持

二、使用案例

• 安装

  $ pip install jsonpath
  

• 本地案例测试数据，从 goessner - JsonPath 中拷贝的

  { 
    "store": {
      "book": [ 
        { "category": "reference",
          "author": "Nigel Rees",
          "title": "Sayings of the Century",
          "price": 8.95
        },
        { "category": "fiction",
          "author": "Evelyn Waugh",
          "title": "Sword of Honour",
          "price": 12.99
        },
        { "category": "fiction",
          "author": "Herman Melville",
          "title": "Moby Dick",
          "isbn": "0-553-21311-3",
          "price": 8.99
        },
        { "category": "fiction",
          "author": "J. R. R. Tolkien",
          "title": "The Lord of the Rings",
          "isbn": "0-395-19395-8",
          "price": 22.99
        }
      ],
      "bicycle": {
        "color": "red",
        "price": 19.95
      }
    }
  }
  

• 本地案例

  # 导入 json
  import json
  # 导入 jsonpath
  import jsonpath
  
  # 1、json 读取本地文件
  obj = json.load(open('test.json', 'r', encoding='utf-8'))
  
  # 2、jsonpath 进行分析查找
  
  # 获取所有书籍的作者名称
  list = jsonpath.jsonpath(obj, '$.store.book[*].author') # ['Nigel Rees', 'Evelyn Waugh', 'Herman Melville', 'J. R. R. Tolkien']
  list = jsonpath.jsonpath(obj, '$..author') # ['Nigel Rees', 'Evelyn Waugh', 'Herman Melville', 'J. R. R. Tolkien']
  
  # 获取 store 下面的所有元素
  list = jsonpath.jsonpath(obj, '$.store.*') # [[{'category': 'reference', 'author': 'Nigel Rees', 'title': 'Sayings of the Century', 'price': 8.95}, ...], {'color': 'red', 'price': 19.95}]
  
  # 获取第 3 本书
  list = jsonpath.jsonpath(obj, '$..book[2]') # [{'category': 'fiction', 'author': 'Herman Melville', 'title': 'Moby Dick', 'isbn': '0-553-21311-3', 'price': 8.99}]
  
  # 获取最后一本书
  list = jsonpath.jsonpath(obj, '$..book[(@.length - 1)]') # [{'category': 'fiction', 'author': 'J. R. R. Tolkien', 'title': 'The Lord of the Rings', 'isbn': '0-395-19395-8', 'price': 22.99}]
  
  # 获取前 2 本书
  list = jsonpath.jsonpath(obj, '$..book[0, 1]') # 错误写法，[0, 1]不能有空格，不然只会生效第一个值，后面的值不生效
  list = jsonpath.jsonpath(obj, '$..book[0,1]') # [{'category': 'reference', 'author': 'Nigel Rees', 'title': 'Sayings of the Century', 'price': 8.95}, {'category': 'fiction', 'author': 'Evelyn Waugh', 'title': 'Sword of Honour', 'price': 12.99}]
  list = jsonpath.jsonpath(obj, '$..book[:2]') # 切片写法，结果一样
  
  # 条件过滤需要再 () 前面添加一个 ? 
  # 过滤出包含 isbn 的书
  list = jsonpath.jsonpath(obj, '$..book[?(@.isbn)]') # [{'category': 'fiction', 'author': 'Herman Melville', 'title': 'Moby Dick', 'isbn': '0-553-21311-3', 'price': 8.99}, {'category': 'fiction', 'author': 'J. R. R. Tolkien', 'title': 'The Lord of the Rings', 'isbn': '0-395-19395-8', 'price': 22.99}]
  
  # 查询哪本书超过 10 块钱
  list = jsonpath.jsonpath(obj, '$..book[?(@.price > 10)]') # [{'category': 'fiction', 'author': 'Evelyn Waugh', 'title': 'Sword of Honour', 'price': 12.99}, {'category': 'fiction', 'author': 'J. R. R. Tolkien', 'title': 'The Lord of the Rings', 'isbn': '0-395-19395-8', 'price': 22.99}]
  
  # 输出
  print(list)
  

• 远程案例

  # 测试某站的城市地址接口
  
  # 使用 urllib
  import urllib.request
  # 使用 json
  import json
  import jsonpath
  
  # 获取地址
  url = 'https://dianying.taobao.com/cityAction.json?activityId&_ksTS=1668502740745_108&jsoncallback=jsonp109&action=cityAction&n_s=new&event_submit_doGetAllRegion=true'
  
  # 请求头
  headers = {
    # 带冒号的请求头都需要注释掉，报错：ValueError: Invalid header name b':Authority'
    # ':authority': 'dianying.taobao.com',
    # ':method': 'GET',
    # ':path': '/cityAction.json?activityId&_ksTS=1668502740745_108&jsoncallback=jsonp109&action=cityAction&n_s=new&event_submit_doGetAllRegion=true',
    # ':scheme': 'https',
    # 'accept': 'text/javascript, application/javascript, application/ecmascript, application/x-ecmascript, */*; q=0.01',
    # 报错：UnicodeDecodeError: 'utf-8' codec can't decode byte 0x8b in position 1: invalid start byte
    # 'accept-encoding': 'gzip, deflate, br',
    'accept-language': 'zh-CN,zh;q=0.9',
    'bx-v': '2.2.3',
    'cookie': 't=1e424829769814085473c593565f4f5e; cookie2=17da1c30f22c22dd8d81dd3a871ab15b; v=0; _tb_token_=e817e63793373; cna=YQP5G0dsBVICAXToSX0EYCa1; xlly_s=1; isg=BPX1ozOY-se3Ah57r0dv0iYMBHevcqmEGFxmE3ca42y7ThVAP8MsVEZAmBL4DsE8; l=eBTcoCz7T1tElPbMBOfZnurza779LIRAguPzaNbMiOCP97CH57nFW6zmqRTMCnGVhsF9R3kzvXKpBeYBclYsjqj4axom4zHmn; tfstk=cJ1lBkVp-nisATNdcgO71aCmdIyOZYcej65fgrjQfnFphI1ViZkqQ2V7o3q_4v1..',
    'referer': 'https://dianying.taobao.com/',
    'sec-ch-ua': '"Google Chrome";v="107", "Chromium";v="107", "Not=A?Brand";v="24"',
    'sec-ch-ua-mobile': '?0',
    'sec-ch-ua-platform': '"macOS"',
    'sec-fetch-dest': 'empty',
    'sec-fetch-mode': 'cors',
    'sec-fetch-site': 'same-origin',
    'user-agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/107.0.0.0 Safari/537.36',
    'x-requested-with': 'XMLHttpRequest'
  }
  
  # 请求对象
  request = urllib.request.Request(url=url, headers=headers)
  
  # 模拟浏览器向服务器发起请求
  response = urllib.request.urlopen(request)
  
  # 响应数据转成字符串
  content = response.read().decode('utf-8')
  
  # 会发现拿回来的数据是一个 jsonp109({xx: xx}); 包裹的字符串，放到 https://www.json.cn/ 解析也失败
  # 解决办法：删除 'jsonp109(' 与后面的 ');' 即可
  # 代码切割
  content = content.split('(')[1].split(')')[0]
  
  # 字符串转 json
  obj = json.loads(content)
  
  # 将内容写入文件（使用 json.loads() 则不需要存储）
  with open('test.json', 'w', encoding='utf-8') as f:
    f.write(content)
  
  # 方式一：读取文件（需要存储，在读出来）
  obj = json.load(open('test.json', 'r', encoding='utf-8'))
  # 方式二：字符串转 json（不需要存储，直接使用）
  # obj = json.loads(content)
  
  # 导出所有 regionName 名称
  regionNames = jsonpath.jsonpath(obj, '$..regionName')
  
  # 输出
  print(regionNames)