如何使用嵌入的 JSON 文档访问嵌套 JSON 数据
在解析复杂的 JSON 数据时,您可能会遇到嵌入的 JSON 文档作为字符串内的字符串主要 JSON 结构。要访问这些嵌入文档的内容,请按照以下步骤操作:
问题:
考虑以下 JSON 结构:
{ <br>“状态”:“200”,<br>“消息”: "",<br> "data": {<pre class="brush:php;toolbar:false">"time": "1515580011", "video_info": [ { "announcement": "{\n\t\"announcement_id\":\"6\",\n\t\"name\":\"INS\u8d26\u53f7\",\n\t\"icon\":\"http:\\/\\/liveme.cms.ksmobile.net\\/live\\/announcement\\/2017-08-18_19:44:54\\/ins.png\",\n\t\"icon_new\":\"http:\\/\\/liveme.cms.ksmobile.net\\/live\\/announcement\\/2017-10-20_22:24:38\\/4.png\",\n\t\"videoid\":\"15154610218328614178\",\n\t\"content\":\"FOLLOW ME PLEASE\",\n\t\"x_coordinate\":\"0.22\",\n\t\"y_coordinate\":\"0.23\"}\n", "announcement_shop": "" } ]
}
}
访问嵌入 JSON 的“内容”值在“公告”中的文档中,您可以尝试以下操作:
replay_data = raw_replay_data'data'[0]<br>announcement = replay_data['announcement']
但是,announcement 现在是表示更多 JSON 数据的字符串,并索引announcement['content'] 结果由于无效字符串而出现类型错误
解决方案:
要正确访问所需的字符串,请使用以下步骤:
- 导入 json 模块:
导入json
- 将嵌入的 JSON 文档加载为 Python 字典:
announcement_dict = json.loads(announcement)
- 在加载的字典中访问所需的键:
desired_content = announcement_dict['content']
在此在这种情况下,desired_content 将包含字符串“FOLLOW ME PLEASE。”
深入说明:
要导航复杂的 JSON 结构,“盯着您的数据”至关重要" 并确定目标值的路径。
- 识别路径: 在我们的示例中,“内容”值的路径为:
- data
- video_info(列表)
- 列表中的第一个字典
- 公告(代表的字符串JSON)
- 内容(在加载的 JSON 内)
- 沿路径下降:
- 从 data = data['data'] 开始。
- 使用列表索引以访问 video_info 中的第一个字典。
- 将公告的值分配给变量。
- 使用 json.loads() 加载存储在公告中的 JSON 字符串。
- 在加载的字典中访问所需的值。
通过遵循这种方法,您可以有效地访问和操作复杂的嵌套数据JSON 结构。
以上是如何使用嵌入式 JSON 文档作为字符串访问嵌套 JSON 数据?的详细内容。更多信息请关注PHP中文网其他相关文章!

Linux终端中查看Python版本时遇到权限问题的解决方法当你在Linux终端中尝试查看Python的版本时,输入python...

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti

本文讨论了诸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和请求等流行的Python库,并详细介绍了它们在科学计算,数据分析,可视化,机器学习,网络开发和H中的用途

本文指导Python开发人员构建命令行界面(CLIS)。 它使用Typer,Click和ArgParse等库详细介绍,强调输入/输出处理,并促进用户友好的设计模式,以提高CLI可用性。

在使用Python的pandas库时,如何在两个结构不同的DataFrame之间进行整列复制是一个常见的问题。假设我们有两个Dat...

文章讨论了虚拟环境在Python中的作用,重点是管理项目依赖性并避免冲突。它详细介绍了他们在改善项目管理和减少依赖问题方面的创建,激活和利益。


热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

PhpStorm Mac 版本
最新(2018.2.1 )专业的PHP集成开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

EditPlus 中文破解版
体积小,语法高亮,不支持代码提示功能

mPDF
mPDF是一个PHP库,可以从UTF-8编码的HTML生成PDF文件。原作者Ian Back编写mPDF以从他的网站上“即时”输出PDF文件,并处理不同的语言。与原始脚本如HTML2FPDF相比,它的速度较慢,并且在使用Unicode字体时生成的文件较大,但支持CSS样式等,并进行了大量增强。支持几乎所有语言,包括RTL(阿拉伯语和希伯来语)和CJK(中日韩)。支持嵌套的块级元素(如P、DIV),