Python中JSON结构数据的高效增删改操作
❝本文示例代码及文件已上传至我的
Github仓库https://github.com/CNFeffery/DataScienceStudyNotes❞
1 简介
在上一期文章中我们一起学习了在Python中如何使用jsonpath库，对JSON格式数据结构进行常规的节点条件查询，可以满足日常许多的数据处理需求。
而在上一期结尾处，我提到了还有其他JSONPath功能相关的进阶Python库，在今天的文章中，我就将带大家学习更加高级的JSON数据处理方式。
2 基于jsonpath-ng的进阶JSON数据处理方法
jsonpath-ng是一个功能强大的Python库，它整合了jsonpath-rw、jsonpath-rw-ext等第三方JSONPath拓展库的实用功能，使得我们可以基于JSONPath语法，实现更多操纵JSON数据的功能，而不只是查询数据而已，使用pip install jsonpath-ng进行安装：
2.1 JSON数据的增删改
jsonpath-ng中设计了一些方法，可以帮助我们实现对现有JSON数据的增删改操作，首先我们来学习jsonpath-ng中如何定义JSONPath模式，并将其运用到对数据的匹配上，依然以上篇文章的数据为例：
import json
from jsonpath_ng import parse
# 读入示例json数据
with open('json示例.json', encoding='utf-8') as j:
demo_json = json.loads(j.read())
# 构造指定JSONPath模式对应的解析器
parser = parse('$..paths..steps[*].duration')
# 利用解析器的find方法找到目标数据中所有满足条件的节点
matches = parser.find(demo_json)
# 利用value属性取得对应匹配结果的值
matches[0].value
而基于上面产生的一些对象我们就可以实现对JSON数据的增删改：
2.1.1 对JSON数据进行增操作
在jsonpath-ng中对JSON数据添加节点，思想是先构造对「原先不存在」的节点进行匹配的解析器对象，利用find_or_create方法处理原始JSON数据：
# 构造示例数据demo_json = { 'level1': [ { 'level2': {} }, { 'level2': { 'level3': 12 } } ]}
# 构造规则解释器，所有除去最后一层节点规则外可以匹配到的节点# 都属于合法匹配结果，会在匹配结果列表中出现parser = parse('level1[*].level2.level3')
matches = parser.find_or_create(demo_json)
demo_json在find_or_create操作之后，demo_json就被修改成下面的结果：
接下来的事情就很简单了，只需要在matches结果中进行遍历，遇到value属性为{}的，就运用full_path.update_or_create()方法对原始JSON数据进行更新即可，比如这里我们填充999：
for match in matches:
if match.value == {}:
# 更新原始输入的JSON数据
match.full_path.update_or_create(demo_json, 999)
demo_json
2.1.2 对JSON数据进行删操作
当我们希望对JSON数据中指定JSONPath规则的节点予以删除时，可以使用到parse对象的filter()方法传入lambda函数，在lambda函数中进行条件判断，返回的即为删除指定节点之后的输入数据。
以上一步「增」操作后得到的demo_json为例，我们来对其level1[*].level2.level3值为999的予以过滤：
parser = parse('level1[*].level2.level3')
# 过滤 level1[*].level2.level3 规则下值为 999 的节点parser.filter(lambda x: x == 999, demo_json)demo_json可以看到结果正是我们所预期的：
2.1.3 对JSON数据进行改操作
对JSON数据中的指定节点进行改操作非常的简单，只需要使用parse对象的update或update_or_create方法即可，使用效果的区别如下所示，轻轻松松就可以完成两种策略下的节点更新操作😋：
jsonpath-ng中还有一些丰富的功能，这里就不再赘述，感兴趣的读者朋友可以前往https://github.com/h2non/jsonpath-ng查看。
以上就是本文的全部内容，欢迎在评论区与我进行讨论~
加入知识星球【我们谈论数据科学】
400+小伙伴一起学习！