rapidjson怎么安装和使用
本篇内容介绍了“rapidjson怎么安装和使用”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
rapidjson简介和安装
rapidjson是一个性能非常好的C++ JSON解析器和序列化库，它被包装成了Python3的扩展包，就是说在Python3中可以使用rapidjson进行数据的序列化和反序列化操作并且可以对参数进行校验，非常方便好用。
rapidjson安装命令：pip install python-rapidjson。
rapidjson基本使用
rapidjson和json模块在基本使用方法上一致的，只不过rapidjson在某些参数方面和json模块不兼容，这些参数并不常用，这里不做过多介绍，详情可参照rapidjson官方文档。基本使用介绍两个序列化的方法dump/dumps，反序列化的load/loads使用json模块的即可。
dumps & dump这两个方法都是将Python实例对象序列化为JSON格式的字符串，用法和参数大致相同，dump方法比dumps方法多了一个必要的file_like参数。
dumps() 方法
该方法返回的结果是一个Python 字符串实例。参数非常多，这里只介绍经常使用的三个参数。
rapidjson.dumps(obj,*,skipkeys=False,ensure_ascii=True,write_mode=WM_COMPACT,indent=4,default=None,sort_keys=False,number_mode=None,datetime_mode=None,uuid_mode=None,bytes_mode=BM_UTF8,iterable_mode=IM_ANY_ITERABLE,mapping_mode=MM_ANY_MAPPING,allow_nan=True)
skipkeys
该参数表示是否跳过不可用的字典的key进行序列化，如果默认为False，如果修改为True字典的key如果不属于基本数据类型(str int float bool None)之一就会跳过该key而不会抛出TypeError的异常。
importrapidjsonfrompprintimportpprintdic={True:False,(0,):"python"}res=rapidjson.dumps(dic)pprint(res)#TypeError:{True:False,(0,):"python"}isnotJSONserializableres=rapidjson.dumps(dic,skipkeys=True)pprint(res)#"{}"
ensure_ascii
该参数表示序列化的结果是否只包含ASCII字符，默认值是True，将Python实例序列化后所有的非ASCII码的字符都会被转义，如果将该参数的值修改为False，增会将字符原样输出。
dic={"name":"丽丽","name1":"lili"}res=rapidjson.dumps(dic)pprint(res)#"{"name":"u4E3Du4E3D","name1":"lili"}"res=rapidjson.dumps(dic,ensure_ascii=False)pprint(res)#"{"name":"丽丽","name1":"lili"}"
sort_keys
该参数表示序列化时是否将字典的key按照字母进行排序。默认是False，如果修改为True，字典序列化得到的结果就是按照字典的key的字母顺序进行排序的。
dic={"name":"丽丽","age":"10"}res=rapidjson.dumps(dic,ensure_ascii=False,sort_keys=True)pprint(res)#"{"age":"10","name":"丽丽"}"
dump()方法
该方法和dumps方法非常类似，不同的是该方法需要一个额外的必须的参数 - 一个file-like的可写流式对象，比如文件对象，将第一个参数obj进行序列化写入可写的流式对象中。
rapidjson.dump(obj,stream,*,skipkeys=False,ensure_ascii=True,write_mode=WM_COMPACT,indent=4,default=None,sort_keys=False,number_mode=None,datetime_mode=None,uuid_mode=None,bytes_mode=BM_UTF8,iterable_mode=IM_ANY_ITERABLE,mapping_mode=MM_ANY_MAPPING,chunk_size=65536,allow_nan=True)
下面是该方法的基本使用：
#写入文件dic={"name":"丽丽","age":"10"}f=open("1.py","w",encoding="utf8")res=rapidjson.dump(dic,f)pprint(res)#或者下面这种用法importiostream=io.BytesIO()dump("bar",stream)print(stream.getvalue())#b""bar""
Validator class
rapidjson中的Validator类可以用来做参数校验。Validator的参数是JSON schema，当我们需要知道JSON数据中预期的字段以及值的表示方式时，这就是JSON Schema的用武之地，是描述JSON数据结构的一种声明格式，也可以通俗的理解为是参数的校验规则。如果JSON schema是不可用的JSON格式的数据，就会抛出JSONDecodeError的异常。
类的参数就是校验规则，如果给定的JSON数据没有通过校验就会抛出ValidationError异常，异常包括三个部分，分别是错误的类型、校验的规则以及在JSON字符串中错误出现的位置。
importrapidjsonfrompprintimportpprintvalidate=rapidjson.Validator("{"required":["a","b"]}")#表示a和b这两个参数是必须的validate("{"a":null,"b":1}")#符合规则validate("{"a":null,"c":false}")#rapidjson.ValidationError:("required","#","#")
validate=rapidjson.Validator("{"type":"array","#参数类型是array""items":{"type":"string"},"#array中的每个元素类型是string""minItems":1}")#array中元素数量最少为1validate("["foo","bar"]")#符合规则validate("[]")#rapidjson.ValidationError:("minItems","#","#")
关于JSON schema的更多参数校验规则以及定义规范可以参考*JSON schema官方文档*，下述是一种JSON schema格式仅供参考：
LOGIN_SCHEMA={"type":"object","properties":{"token":"string","number":"integer"},"required":["token"],}}validate=rapidjson.Validator(rapidjson.dumps(LOGIN_SCHEMA))data={"token":"python","number":10}validate(rapidjson.dumps(data))
“rapidjson怎么安装和使用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注恰卡编程网网站，小编将为大家输出更多高质量的实用文章！
