jmespath库解析json

在测试过程中，经常会去JSON中的某个值，jmespath可以是除了jsonpath的另外一种选择.
下面通过几个例子来说明jmespath在python的使用

jmespath python安装

非常简单直接pip,

pip install jmespath

查询一个key值

source={"a": "foo", "b": "bar", "c": "baz"}result = jmespath.search("a",source)print(result)

subexpression

类似于jsonpath，通过.来表示路径的层级

source_1={"a": {"b": {"c": {"d": "value"}}}}sub_result = jmespath.search("a.b.c",source_1)print(sub_result)

这个例子的结果为：{'d': 'value'}

index expressions

index expression主要使用在数组上

source_2 = ["a", "b", "c", "d", "e", "f"]index_result = jmespath.search("[1]",source_2)print(index_result)

这个例子的结果为:b

多个表达式综合使用

以上几种表达式可以合起来一期使用：

composite_exp = "a.b.c[0].d[1][0]"source_3= {"a": {  "b": {    "c": [      {"d": [0, [1, 2]]},      {"d": [3, 4]}    ]  }}}

composite_result = jmespath.search(composite_exp,source_3)print(composite_result)

这个例子的结果为1

Slicing 切片

slicing 和python本身的slicing比较像，

source_4=[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]slicing_exp = "[0:5]"slicing_result = jmespath.search(slicing_exp,source_4)print(slicing_result)

这个例子的结果为： [0, 1, 2, 3, 4]

slicing实际上和python自己的机制基本一样，同样这个也是主要给数组使用.
有一点需要记住，基本的slicing的格式其实是： [start:stop:step]

基本上把网站上例子试了一下，总体感觉功能是相当强大.

# {"data": {
    #     "yesterday": {"date": "17日星期四", "high": "高温 31℃", "fx": "东南风", "low": "低温 22℃", "fl": "<![CDATA[<3级]]>",
    #                   "type": "多云"},
    #     "city": "北京",
    #     "aqi": "91",
    #     "forecast": [
    #         {"date": "18日星期五", "high": "高温 28℃", "fengli": "<![CDATA[<3级]]>", "low": "低温 22℃", "fengxiang": "东北风",
    #          "type": "多云"},
    #         {"date": "19日星期六", "high": "高温 29℃", "fengli": "<![CDATA[<3级]]>", "low": "低温 22℃", "fengxiang": "东风",
    #          "type": "雷阵雨"},
    #         {"date": "20日星期天", "high": "高温 29℃", "fengli": "<![CDATA[<3级]]>", "low": "低温 23℃", "fengxiang": "东南风",
    #          "type": "阴"},
    #         {"date": "21日星期一", "high": "高温 30℃", "fengli": "<![CDATA[<3级]]>", "low": "低温 24℃", "fengxiang": "西南风",
    #          "type": "晴"},
    #         {"date": "22日星期二", "high": "高温 29℃", "fengli": "<![CDATA[<3级]]>", "low": "低温 24℃", "fengxiang": "北风",
    #          "type": "雷阵雨"}
    #     ],
    #     "ganmao": "各项气象条件适宜，无明显降温过程，发生感冒机率较低。", "wendu": "25"
    #  },
    # "status": 1000,
    # "desc": "OK"}

    j = JMESPathExtractor()
    j_1 = j.extract(query='data.forecast[1].date', body=res.text)
    j_2 = j.extract(query='data.ganmao', body=res.text)
    print(j_1, j_2)
    # 结果：
    # 19日星期六 各项气象条件适宜，无明显降温过程，发生感冒机率较低。