Xử lý file JSON và file XML trong Python

Bài đăng này đã không được cập nhật trong 3 năm

Xin chào các bạn. Hôm nay mình sẽ giới thiệu với các bạn về việc Xử lý file JSOn và file XML trong Python

Xử lý file JSON

JSON là một trong những định dạng file trao đổi dữ liệu thông dụng nhất hiện nay. Với kiến trúc đơn giản và tương đồng với cấu trúc của Python nên việc thao tác JSON trên Python rất dễ hiểu.

Load file từ Internet

Thông thường dữ liệu JSON được lấy từ nguồn khác (như file, internet..) nên chương này sẽ bắt đầu bằng cách hướng dẫn download một file JSON từ Internet và sau đó mới parsing nội dung JSON download.

Sử dụng module urllib2 để download file và module json để encode/decode JSON data. Ví dụ:

import	urllib2
import	json
				
response	=	urllib2.urlopen('https://api.github.com/
users/voduytuan/repos')
				
data	=	json.load(response)
				
print	data

Ví dụ trên sẽ truy vấn đường dẫn https://api.github.com/users/voduytuan/repos để lấy danh sách Repository trên Github của mình dưới định dạng JSON.

Parsing JSON Data

Nếu như bạn đã có JSON data dưới dạng chuỗi, muốn parsing chuỗi này thành Data thì sử dụng như cách dưới đây:

import	json
mystring	=	'{"a":1,"b":2,"c":3,"d":4,"e":5}'
data	=	json.loads(mystring)
print	data
(Hiển	thị:	{u'a':	1,	u'c':	3,	u'b':	2,	u'e':	5,	u'd':	4})

Encoding JSON Data

Nếu như bạn đã có một biến và muốn encode thành JSON string thì có thể dùng theo cách sau:

import	json
				
mydata	=	{
				'name':	'John',
				'age':	10
}
jsonstring	=	json.dumps(mydata)
print	jsonstring				
(hiển	thị:	{"age":	10,	"name":	"John"})

Xử lý file XML

Trong phần này, chúng ta sẽ parsing nội dung XML thành dữ liệu để xử lý. Để xử lý XML, ta sẽ sử dụng thư viện Beautifulsoup 4. Đây là một thư viện giúp việc triển khai việc parsing html, xml được nhanh chóng và tiện lợi.

Cài đặt Beautifulsoup

Bạn có thể tham khảo hướng dẫn cách cài đặt tại website http://www.crummy.com/software/BeautifulSoup/bs4/doc/#insbeautiful-soup.

Trên MacOS, có thể cài bằng pip như sau:

$	sudo	pip	install	beautifulsoup4

Cài đặt `lxml` parser

Để parsing xml từ beautifulsoup, tao sử dụng bộ parser xml có tên là lxml . Xem hướng dẫn cài đặt tại http://www.crummy.com/software/BeautifulSoup/bs4/doc/#insa-parser

Trên MacOS, có thể cài bằng pip như sau:

sudo	pip	install	lxml

Ví dụ về parsing XML

Cho ví dụ sau:

from	bs4	import	BeautifulSoup	as	Soup
note	=	'''
<?xml	version="1.0"	encoding="UTF-8"?>
<breakfast_menu>
				<food>
								<name>Belgian	Waffles</name>
								<price>$5.95</price>
								<description>Two	of	our	famous	Belgian	Waff les	with	plenty	of	real	maple syrup	 
                                </description>

								<calories>650</calories>
				</food>
				<food>
								<name>Strawberry	Belgian	Waffles</name>
								<price>$7.95</price>
								<description>Light	Belgian	waffles	covered	with	strawberries	and	whipped	cream</description>
								<calories>900</calories>
				</food>
</breakfast_menu>
'''
				
soup	=	Soup(note,	'xml')
				
foods	=	soup.findAll('food')
				
for	x	in	foods:
				print	x.find('name').string,	':	',	x.price.string

Khi chạy thì sẽ hiển thị ra màn hình như sau:

Belgian	Waffles	:		$5.95
Strawberry	Belgian	Waffles	:		$7.95

Đối tượng thuộc class Soup (BeautifulSoup) sẽ giúp truy xuất các thành phần của file xml nhanh chóng và tiện lợi.

Trong ví dụ có một số cách truy xuất đến các phần tử như:

findAll() : trả về mảng các thẻ có tên cần tìm
find() : trả về phần tử đầu tiên có tên cần tìm
Truy xuất trực tiếp thông qua tên thẻ như x.price.string

Parsing HTML

Tương tự như xml , BeautifulSoup có thể parsing nội dung HTML thông qua hàm khởi tạo và chọn html ở tham số thứ 2.

soup	=	Soup(websitehtml,	'html')

Dưới đây mình đã giới thiệu với các bạn về Xử lý file JSOn và file XML trong Python và một số ví dụ cơ bản. Nếu có bất kì thắc mắc gì hãy để lại comment ở phía dưới nhé.