Python提取JSON空格键值对技巧

哈喽！大家好，很高兴又见面了，我是golang学习网的一名作者，今天由我给大家带来一篇《Python提取JSON空格键值对方法》，本文主要会讲到等等知识点，希望大家一起学习进步，也欢迎大家关注、点赞、收藏、转发! 下面就一起来看看吧！

本教程旨在解决使用Python从JSON数据中提取键值对时，如何正确处理包含空格的属性名或值。通过分析`str.split()`方法的行为，我们将重点介绍如何利用其`maxsplit`参数来精确控制字符串分割，从而确保多词属性值能够完整保留，避免数据丢失，并提供优化后的简洁代码实现。

在处理从JSON数据中提取的文本行时，尤其当这些行包含非标准格式的键值对（例如，值和属性名之间有多个空格，且属性名本身也包含空格）时，常常会遇到数据解析的挑战。本教程将深入探讨如何使用Python有效地解析这类数据，确保所有信息，特别是包含空格的属性名，能够被完整地提取和保留。

问题分析：多词属性名的解析困境

假设我们从JSON数据的 payload.blob.rawLines 路径中获取到一系列字符串，这些字符串代表着数值和对应的属性名。原始数据可能存在不规则的空白字符，并且某些属性名由多个单词组成，例如 "Property1_word1 Property1_word2"。

以下是原始数据中提取出的两行示例：

"        C_1H_4   Methane                  "
"            5.00000        Property1_word1 Property1_word2                              "

在初步处理这些行时，通常会先移除首尾空白并规范化内部空白，得到如下形式的字符串列表：

trimmed = ['C_1H_4 Methane', '5.00000 Property1_word1 Property1_word2']

如果使用 e.split(' ')（不带任何参数的 split() 方法）来将这些字符串分割成键值对，会遇到以下问题：

for e in trimmed:
    print(e.split(' '))

输出结果：

['C_1H_4', 'Methane']
['5.00000', 'Property1_word1', 'Property1_word2']

可以看到，对于包含多词属性名（如 "Property1_word1 Property1_word2"）的字符串，e.split(' ') 会将其分割成多个部分。例如，'5.00000 Property1_word1 Property1_word2' 被分割为 ['5.00000', 'Property1_word1', 'Property1_word2']。如果此时我们尝试通过 e.split(' ')[0] 获取值，并通过 e.split(' ')[1] 获取属性名，那么 Property1_word2 部分就会被错误地丢弃。

解决方案：利用 str.split() 的 maxsplit 参数

Python 的 str.split() 方法提供了一个 maxsplit 参数，它允许我们指定最大分割次数。通过设置 maxsplit=1，我们可以确保字符串只被分割成两部分：第一个分隔符之前的部分和第一个分隔符之后的所有剩余部分。

将 e.split(' ') 修改为 e.split(' ', 1)：

for e in trimmed:
    print(e.split(' ', 1))

输出结果：

['C_1H_4', 'Methane']
['5.00000', 'Property1_word1 Property1_word2']

现在，每个字符串都被正确地分割成了两部分。第一部分是数值（或标识符），第二部分是完整的属性名，即使它包含空格。

因此，构建字典的代码可以修改为：

as_dict = {e.split(' ')[0]: e.split(' ', 1)[1] for e in trimmed}

这将确保字典中的键是数值，而值是完整的、包含空格的属性名。

优化代码实现

上述方法虽然解决了问题，但在处理 stripped 和 trimmed 列表时，存在一些冗余操作。我们可以进一步优化代码，使其更简洁高效。

str.split() 方法在不指定分隔符（即使用 split() 或 split(None)）时，会根据任意空白字符进行分割，并自动处理多个连续空白，同时移除结果列表中的空字符串。结合 maxsplit=1，这成为一个强大的工具。

我们可以直接在原始的 rawLines 上进行迭代，并结合 strip() 和 split(None, 1) 来一步到位地完成数据提取和字典构建。

import json
import pandas as pd

# 模拟从文件加载JSON数据
# 实际应用中，您会从文件或网络请求中加载
json_data_str = """
{
    "payload": {
        "blob": {
            "rawLines": [
                "        C_1H_4   Methane                  ",
                "            5.00000        Property1_word1 Property1_word2                              ",
                "             20.00000        Property2                     ",
                "           500.66500        Property3                              ",
                "           100.00000        Property4_word1 Property4_word2                                           ",
                "         -4453.98887        Property5                                      ",
                "           100.48200        Property6                                   ",
                "            59.75258        Property7                                         ",
                "             5.33645        Property8_word1 Property8_word2                                         ",
                "             0.00000        Property9         ",
                "           645.07777        Property10                                       ",
                "             0.00000        Property11                           ",
                "             0.00000        Property12                           ",
                "             0.00000        Property13                             ",
                "             0.00000        Property14                             ",
                "             0.00000        Property15                             ",
                "             0.00000        Property16                             ",
                "             0.00000        Property17                   ",
                "             0.00000        Property18                            ",
                "             0.00000        Property19                   ",
                "             0.00000        Property20                             ",
                "             0.00000        Property21                   ",
                "             0.00000        Property22                             ",
                "             0.00000        Property23                   ",
                "             0.00000        Property24                    ",
                "             0.00000        Property25                    ",
                "             0.57876        Property26                                           ",
                "             4.00000        Property27                                               ",
                "             0.00000        Property28                    ",
                "             0.00000        Property29               ",
                "             0.00000        Property30                  ",
                "             0.00000        Property31            ",
                "             0.00000        Property32                  ",
                "             1.00000        Property33                         ",
                "             0.00000        Property34                       ",
                "            26.00000        Property35                             ",
                "             1.44571        Property36                               ",
                "             1.08756        Property37                            ",
                "             0.00000        Property38                          ",
                "             0.00000        Property39                        ",
                "             0.00000        Property40                        ",
                "             6.00000        Property41                       ",
                "             9.00000        Property42                                         ",
                "             0.00000        Property43                                         "
            ]
        }
    }
}
"""
data = json.loads(json_data_str)

# 获取需要提取的原始行数据
to_extract = data["payload"]["blob"]["rawLines"]

# 优化后的数据提取和字典构建
# 对于每一行：
# 1. 使用 .strip() 移除行首尾所有空白字符。
# 2. 使用 .split(None, 1) 进行分割：
#    - None 作为分隔符表示按任意空白字符分割。
#    - 1 表示最多分割一次，确保只将字符串分成两部分。
# 3. dict() 构造函数直接将这些两元素的列表转换为字典的键值对。
as_dict = dict(line.strip().split(None, 1) for line in to_extract)

# 将字典转换为Pandas DataFrame
# 字典的键将映射到 'Value' 列，值映射到 'Property' 列
df = pd.DataFrame(as_dict.items(), columns=['Value', 'Property'])

print("优化后的字典内容：")
print(as_dict)
print("\n生成的DataFrame：")
print(df)

输出示例 (部分):

优化后的字典内容：
{'C_1H_4': 'Methane', '5.00000': 'Property1_word1 Property1_word2', '20.00000': 'Property2', '500.66500': 'Property3', '100.00000': 'Property4_word1 Property4_word2', ...}

生成的DataFrame：
        Value                 Property
0      C_1H_4                  Methane
1     5.00000  Property1_word1 Property1_word2
2    20.00000                Property2
3   500.66500                Property3
4   100.00000  Property4_word1 Property4_word2
...

注意事项与总结

1. str.split() 的灵活性：理解 split() 方法的 sep 和 maxsplit 参数至关重要。当 sep 为 None 时，它会智能地处理各种空白字符（空格、制表符、换行符等）并跳过空字符串，这对于清洗非结构化文本非常有用。
2. 数据一致性：本教程的解决方案假定每行数据都至少包含一个值和一个属性名，并且值与属性名之间存在空白字符。如果原始数据格式更加复杂或不一致，可能需要更高级的正则表达式解析或定制的解析逻辑。
3. 代码可读性与效率：优化后的单行代码 dict(line.strip().split(None, 1) for line in to_extract) 不仅简洁，而且避免了创建中间列表

今天带大家了解了的相关知识，希望对你有所帮助；关于文章的技术知识我们会一点点深入介绍，欢迎大家关注golang学习网公众号，一起学习编程~