Python JSON-Daten: Ein Leitfaden mit Beispielen

JSON (JavaScript Object Notation) ist ein leichtes Datenaustauschformat, das in vielen Programmiersprachen, wie Python, zum Datenaustausch super beliebt geworden ist. Mit seiner einfachen Syntax und der Möglichkeit, komplexe Datenstrukturen darzustellen, ist JSON zu einem wichtigen Teil der modernen Webentwicklung geworden und macht alles möglich, von APIs bis hin zu clientseitigen Webanwendungen. 

In diesem Tutorial zeig ich dir die Grundlagen der Arbeit mit JSON in Python, wie zum Beispiel Serialisierung, Deserialisierung, das Lesen und Schreiben von JSON-Dateien, Formatierung und mehr. Am Ende dieses Tutorials wirst du:

• Verstehe JSON und seine Vor- und Nachteile
• Finde Anwendungsfälle für JSON und vergleiche es mit gängigen Alternativen.
• JSON-Daten in Python effektiv serialisieren und deserialisieren
• Arbeite mit JSON-Daten in der Programmiersprache Python
• Formatier JSON-Daten in Python mit der Bibliothek `json`.
• Mach die Leistung besser, wenn du mit JSON-Daten arbeitest.
• JSON-Daten bei der API-Entwicklung verwalten.

Was ist JSON?

JSON (JavaScript Object Notation) ist ein leichtes, sprachunabhängiges Datenaustauschformat, das von vielen Programmiersprachen und Frameworks verwendet und unterstützt wird. Es ist eine gute Wahl für den Datenaustausch, wenn ein einfaches, leicht lesbares Format gebraucht wird, das komplexe Datenstrukturen unterstützt und problemlos zwischen verschiedenen Computerprogrammen ausgetauscht werden kann.

JSON ist super, wenn man Daten zwischen Web-Apps austauschen muss, zum Beispiel wenn du ein Formular auf einer Website ausfüllst und die Infos dann zur Bearbeitung an einen Server geschickt werden. 

JSON ist perfekt für dieses Szenario, weil es ein leichtes und effizientes Format ist, das weniger Bandbreite und Speicherplatz braucht als andere Formate wie XML. Außerdem kann JSON komplexe Datenstrukturen wie verschachtelte Objekte und Arrays, was das Darstellen und Austauschen von strukturierten Daten zwischen verschiedenen Systemen echt einfach macht. Ein paar andere Anwendungsfälle für das JSON-Format sind:

1. Anwendungsprogrammierschnittstellen (APIs). JSON wird oft benutzt, um APIs (Application Programming Interfaces) zu erstellen, die es verschiedenen Systemen und Anwendungen ermöglichen, miteinander zu kommunizieren. Zum Beispiel nutzen viele Web-basierte APIs JSON als Datenformat, um Infos zwischen verschiedenen Anwendungen auszutauschen, was die Integration mit verschiedenen Programmiersprachen und Plattformen echt einfach macht.
2. Konfigurationsdateien. JSON bietet ein einfaches und übersichtliches Format zum Speichern und Abrufen von Konfigurationsdaten. Das kann Einstellungen für die Anwendung beinhalten, wie zum Beispiel das Layout einer Benutzeroberfläche oder Benutzereinstellungen.
3. IoT (Internet der Dinge).  IoT-Geräte machen oft jede Menge Daten, die man mit JSON besser speichern und zwischen Sensoren und anderen Geräten hin- und herschicken kann. 

Beispiel für JSON-Daten

python_obj = {
  "name": "John Doe",
  "age": 30,
  "email": "john.doe@example.com",
  "is_employee": True,
  "hobbies": [
    "reading",
    "playing soccer",
    "traveling"
  ],
  "address": {
    "street": "123 Main Street",
    "city": "New York",
    "state": "NY",
    "zip": "10001"
  }
}

print(python_obj)

In diesem Beispiel haben wir ein JSON-Objekt, das eine Person darstellt. Das Objekt hat ein paar Eigenschaften: Name, Alter, E-Mail und ist_Mitarbeiter. Die Eigenschaft „hobbies“ ist ein Array, das drei Zeichenfolgen enthält. Die Eigenschaft „address“ ist ein Objekt mit mehreren eigenen Eigenschaften wie Straße, Stadt, Bundesland und Postleitzahl.

Beachte, dass JSON-Daten normalerweise als eine Reihe von Schlüssel-Wert-Paaren formatiert sind, wobei der Schlüssel als Zeichenfolge und der Wert in verschiedenen Typen wie Zeichenfolge, Zahl, Boolescher Wert, Array oder Objekt dargestellt wird.

Vorteile und Nachteile von JSON

Hier sind ein paar der Vor- und Nachteile von JSON. 

Vorteile der Arbeit mit einer JSON-Datei:

Ein paar der wichtigsten Vorteile von JSON sind:

1. Leicht und gut lesbar. JSON-Dateien sind auch für Leute ohne technische Kenntnisse leicht zu lesen und zu verstehen. Außerdem sind sie leicht, was bedeutet, dass sie einfach über das Internet übertragen werden können.
2. Interoperabel: JSON-Dateien sind kompatibel, was heißt, dass sie einfach zwischen verschiedenen Systemen und Plattformen ausgetauscht werden können. Das liegt daran, dass JSON ein weit verbreitetes Standardformat ist und viele Apps und Dienste JSON für den Datenaustausch nutzen. Deshalb kann die Arbeit mit JSON-Dateien die Integration verschiedener Teile eines Systems oder den Datenaustausch zwischen verschiedenen Anwendungen vereinfachen.
3. Einfach zu überprüfen: JSON-Dateien kann man ganz einfach anhand eines Schemas überprüfen, um sicherzustellen, dass sie einer bestimmten Struktur oder bestimmten Regeln entsprechen. Das kann helfen, Fehler und Unstimmigkeiten in den Daten frühzeitig zu erkennen, was Zeit spart und spätere Probleme vermeiden kann. JSON-Schemas können auch dazu verwendet werden, automatisch eine Dokumentation für die in der JSON-Datei gespeicherten Daten zu erstellen.

Nachteile der Arbeit mit einer JSON-Datei:

1. Nur eingeschränkte Unterstützung für komplizierte Datenstrukturen: JSON-Dateien können zwar viele verschiedene Datentypen speichern, sind aber nicht so gut geeignet, um komplexe Datenstrukturen wie Graphen oder Bäume zu speichern. Das kann die Arbeit mit bestimmten Datentypen in JSON-Dateien erschweren.
2. Keine Schema-Durchsetzung: JSON-Dateien haben kein festes Schema, was bedeutet, dass man in einer JSON-Datei auch Daten speichern kann, die nicht zusammenpassen oder nicht gültig sind. Das kann zu Fehlern und Bugs in Anwendungen führen, die auf die Daten in der Datei angewiesen sind.
3. Eingeschränkte Such- und Indizierungsfunktionen: JSON-Dateien bieten nicht die gleichen Abfrage- und Indizierungsfunktionen wie normale Datenbanken. Das kann es schwierig machen, komplexe Suchvorgänge durchzuführen oder bestimmte Teilmengen von Daten aus einer großen JSON-Datei abzurufen.

Die besten Alternativen zu JSON für einen effizienten Datenaustausch

Es gibt ein paar Alternativen zu JSON, die man für den Datenaustausch oder die Datenspeicherung nutzen kann, und jede hat ihre eigenen Vor- und Nachteile. Einige der beliebten Alternativen zu JSON sind:

1. XML (Erweiterbare Auszeichnungssprache). XML ist eine Auszeichnungssprache, die Tags benutzt, um Elemente und Attribute zu definieren, die die Daten beschreiben. Es ist ein ausführlicheres Format als JSON, bietet aber super Unterstützung für Schema-Validierung und Dokumentstruktur.
2. YAML (Noch eine Markup-Sprache). YAML ist ein für Menschen lesbares Datenformat, das so gemacht ist, dass man es einfach lesen und schreiben kann. Es ist ein übersichtlicheres Format als XML und unterstützt komplexe Datentypen und Kommentare.
3. MessagePack. MessagePack ist ein binäres Serialisierungsformat, das kompakter und effizienter als JSON sein soll. Es unterstützt komplexe Datentypen und ist super für die Datenübertragung über Netzwerke mit geringer Bandbreite.
4. Protokollpuffer. Protocol Buffers ist ein binäres Serialisierungsformat, das von Google entwickelt wurde. Es ist auf hohe Effizienz ausgelegt und bietet starke Unterstützung für die Schema-Validierung, was es ideal für große verteilte Systeme macht.
5. BSON (Binär-JSON). BSON ist ein binäres Serialisierungsformat, das das JSON-Format um zusätzliche Datentypen und Optimierungen für mehr Effizienz erweitert. Es ist für die effiziente Datenspeicherung und -übertragung in MongoDB-Datenbanken gemacht.

Welches Datenaustauschformat man nimmt, hängt ganz davon ab, wofür man es braucht und was die App so verlangt. JSON ist wegen seiner Einfachheit, Vielseitigkeit und weit verbreiteten Nutzung immer noch super beliebt, aber andere Formate wie XML, YAML, MessagePack, Protocol Buffers und BSON können für bestimmte Anwendungsfälle besser passen.

Python-Bibliotheken für die Arbeit mit JSON-Daten

Es gibt ein paar beliebte Python-Pakete, die du zum Arbeiten mit JSON-Dateien nutzen kannst:

1. json. Das ist ein in Python integriertes Paket, das Methoden zum Kodieren und Dekodieren von JSON-Daten bietet.
2. simplejson. Dieses Paket hat einen schnellen JSON-Encoder und -Decoder, der Python-spezifische Typen unterstützt.
3. ujson. Dieses Paket ist ein superschneller JSON-Encoder und -Decoder für Python.
4. jsonschema. Dieses Paket bietet eine Möglichkeit, JSON-Daten anhand eines bestimmten Schemas zu überprüfen.

JSON-Serialisierung und -Deserialisierung

JSON-Serialisierung und -Deserialisierung sind die Prozesse, bei denen JSON-Daten in andere Formate wie Python-Objekte oder Zeichenfolgen umgewandelt werden, um die Daten zu übertragen oder zu speichern.

Serialisierung ist der Vorgang, bei dem ein Objekt oder eine Datenstruktur in eine JSON-Zeichenkette umgewandelt wird. Dieser Prozess ist wichtig, damit die Daten in einem Format übertragen oder gespeichert werden können, das von anderen Systemen oder Programmen verstanden wird. JSON-Serialisierung ist eine gängige Technik in der Webentwicklung, wo Daten oft zwischen verschiedenen Systemen oder Anwendungen hin und her geschickt werden.

Deserialisierung ist dagegen, wenn man eine JSON-Zeichenkette wieder in ein Objekt oder eine Datenstruktur verwandelt. Dieser Prozess ist wichtig, um die Daten in einem Programm oder System zu nutzen. JSON-Deserialisierung wird in der Webentwicklung oft benutzt, um Daten zu analysieren, die von einer API oder einer anderen Quelle kommen.

JSON-Serialisierung und -Deserialisierung sind wichtige Techniken für die Arbeit mit JSON-Daten in verschiedenen Bereichen, von der Webentwicklung bis zur Datenanalyse und darüber hinaus. Viele Programmiersprachen haben eingebaute Bibliotheken oder Pakete, die das Serialisieren und Deserialisieren einfach und effizient machen.

Hier sind ein paar gängige Funktionen aus der Bibliothek json, die für die Serialisierung und Deserialisierung verwendet werden.

1. json.dumps()

Diese Funktion wird benutzt, um ein Python-Objekt in eine JSON-Zeichenkette zu umwandeln. Die Funktion dumps() braucht ein einziges Argument, das Python-Objekt, und gibt eine JSON-Zeichenkette zurück. Hier ein Beispiel:

import json

# Python object to JSON string
python_obj = {'name': 'John', 'age': 30}

json_string = json.dumps(python_obj)
print(json_string)  

# Expected output: {"name": "John", "age": 30}

2. json.loads()

Diese Funktion wird benutzt, um eine JSON-Zeichenkette in ein Python-Objekt umzuwandeln. Die Funktion loads() braucht ein einziges Argument, die JSON-Zeichenkette, und gibt ein Python-Objekt zurück. Hier ein Beispiel: 

import json

# JSON string to Python object
json_string = '{"name": "John", "age": 30}'

python_obj = json.loads(json_string)

print(python_obj)  

# Expected output: {'name': 'John', 'age': 30}

3. json.dump()

Diese Funktion wird benutzt, um ein Python-Objekt zu serialisieren und in eine JSON-Datei zu schreiben. Die Funktion dump() braucht zwei Argumente: das Python-Objekt und das Dateiobjekt. Hier ein Beispiel:

import json

# serialize Python object and write to JSON file
python_obj = {'name': 'John', 'age': 30}
with open('data.json', 'w') as file:
    json.dump(python_obj, file)

# No expected output

4. json.load()

Diese Funktion wird benutzt, um eine JSON-Datei zu lesen und ihren Inhalt in ein Python-Objekt zu parsen. Die Funktion load() braucht ein einziges Argument, nämlich das Dateiobjekt, und gibt ein Python-Objekt zurück. Hier ein Beispiel:

import json

# read JSON file and parse contents
with open('data.json', 'r') as file:
    python_obj = json.load(file)
print(python_obj)  

# Expected output: {'name': 'John', 'age': 30}

Python und JSON haben unterschiedliche Datentypen, wobei Python mehr verschiedene Datentypen hat als JSON. Während Python komplizierte Datenstrukturen wie Mengen und Wörterbücher speichern kann, kann JSON nur mit Zeichenfolgen, Zahlen, Booleschen Werten, Arrays und Objekten umgehen. Schauen wir uns mal ein paar Unterschiede an:

Python-Liste in JSON

Um eine Python-Liste ins JSON-Format zu bringen, kannst du die Methode json.dumps() aus der json-Bibliothek nutzen.

import json

my_list = [1, 2, 3, "four", "five"]

json_string = json.dumps(my_list)

print(json_string)

# Expected output: [1, 2, 3, "four", "five"]

In diesem Beispiel haben wir eine Liste namens my_list, die sowohl ganze Zahlen als auch Zeichenfolgen enthält. Dann nehmen wir die Methode json.dumps(), um die Liste in eine JSON-formatierte Zeichenfolge umzuwandeln, die wir in der Variablen json_string speichern.

Formatierung von JSON-Daten

In Python gibt's die Funktion json.dumps(), mit der du die JSON-Ausgabe formatieren und sortieren kannst. Hier sind ein paar gängige Optionen:

1. Einzug

Diese Option legt fest, wie viele Leerzeichen beim Einrücken in der JSON-Ausgabezeichenfolge verwendet werden sollen. Zum Beispiel:

import json

data = {
    "name": "John",
    "age": 30,
    "city": "New York"
}

json_data = json.dumps(data, indent=2)

print(json_data)

# Expected output: a JSON formatted string with an indentation of 2 spaces for each level of nesting:
# {
#   "name": "John",
#   "age": 30,
#   "city": "New York"
# }

2. Sort_keys

Diese Option sagt, ob die Schlüssel in der JSON-Zeichenkette alphabetisch sortiert werden sollen. Zum Beispiel:

import json

data = {
    "name": "John",
    "age": 30,
    "city": "New York"
}

json_data = json.dumps(data, sort_keys=True)

print(json_data)

# Expected output: {"age": 30, "city": "New York", "name": "John"}

3. Trennzeichen

Mit dieser Option kannst du die Trennzeichen festlegen, die in der JSON-Ausgabekette verwendet werden. Der Parameter „separators“ nimmt ein Tupel aus zwei Strings, wobei der erste String das Trennzeichen zwischen Schlüssel-Wert-Paaren in JSON-Objekten und der zweite String das Trennzeichen zwischen Elementen in JSON-Arrays ist. Zum Beispiel:

import json

data = {
    "name": "John",
    "age": 30,
    "city": "New York"
}

json_data = json.dumps(data, separators=(",", ":"))

print(json_data)

# Expected output: a JSON formatted string with a comma separator between key-value pairs and a colon separator between keys and values:
# {"name":"John","age":30,"city":"New York"}

Python-Beispiel – JSON-Daten in APIs

import requests
import json

url = "https://jsonplaceholder.typicode.com/posts"
response = requests.get(url)

if response.status_code == 200:
    data = json.loads(response.text)
    print(data)
else:
    print(f"Error retrieving data, status code: {response.status_code}")

# Expected output: a JSON object as the response of the request

FORMATIERTE AUSGABE:

Dieser Code nutzt die Bibliotheken requests und json in Python, um eine Anfrage an die URL "https://jsonplaceholder.typicode.com/posts" zu senden und Daten abzurufen. Die Zeile requests.get(url) macht die eigentliche Anfrage und speichert die Antwort in der Variablen response.

Die Zeile if response.status_code == 200: checkt, ob der Antwortcode 200 ist, was bedeutet, dass die Anfrage erfolgreich war. Wenn die Anfrage klappt, lädt der Code den Antworttext mit der Methode json.loads() in ein Python-Wörterbuch und speichert ihn in der Variablen data.

Wenn du mehr über dieses Thema erfahren möchtest, schau dir unser Tutorial zu Web-APIs, Python-Anfragen und das Ausführen einer HTTP-Anfrage in Python.

JSON-Leistung in Python optimieren

Wenn du in Python mit großen Mengen an JSON-Daten arbeitest, ist es wichtig, die Leistung deines Codes zu optimieren, damit er effizient läuft. Hier sind ein paar Tipps, wie du die JSON-Leistung in Python verbessern kannst:

1. Benutz die Bibliotheken cjson oder ujson. Diese Bibliotheken sind schneller als die Standard-JSON-Bibliothek in Python und können die Leistung der JSON-Serialisierung und -Deserialisierung echt verbessern.
2. Vermeide unnötige Konvertierungen. Das Hin- und Herkonvertieren zwischen Python-Objekten und JSON-Daten kann ziemlich ressourcenintensiv sein. Wenn möglich, versuch direkt mit JSON-Daten zu arbeiten und unnötige Konvertierungen zu vermeiden.
3. Verwende Generatoren für große JSON-Daten. Wenn du mit vielen JSON-Daten arbeitest, kannst du mit Generatoren den Speicherverbrauch runterhalten und die Leistung verbessern.
4. Minimier den Netzwerk-Overhead. Wenn du JSON-Daten über ein Netzwerk sendest, kannst du die Leistung verbessern, indem du die Menge der übertragenen Daten reduzierst. Benutz Komprimierungstechniken wie gzip, um die Größe von JSON-Daten zu verringern, bevor du sie über ein Netzwerk sendest.
5. Caching nutzen. Wenn du oft auf die gleichen JSON-Daten zugreifst, kann das Zwischenspeichern der Daten die Leistung verbessern, weil weniger Anfragen zum Laden der Daten nötig sind.
6. Datenstruktur optimieren: Die Struktur der JSON-Daten kann auch die Leistung beeinflussen. Eine einfachere, flachere Datenstruktur kann die Leistung im Vergleich zu einer komplexen, verschachtelten Struktur verbessern.

Einschränkungen des JSON-Formats

Obwohl JSON ein beliebtes Format für den Datenaustausch in vielen Anwendungen ist, gibt es ein paar Einschränkungen bei der Implementierung, die man beachten sollte:

1. Einige Datentypen werden nicht unterstützt. JSON hat eingeschränkte Unterstützung für bestimmte Datentypen, wie Binärdaten, Datumsangaben und Uhrzeiten. Es gibt zwar Möglichkeiten, diese Typen in JSON darzustellen, aber das kann die Serialisierung und Deserialisierung komplizierter machen.
2. Kommentare werden nicht unterstützt. Anders als andere Formate wie YAML und XML unterstützt JSON keine Kommentare. Das kann es schwieriger machen, Kommentare zu JSON-Daten hinzuzufügen, um Kontext oder Dokumentation bereitzustellen.
3. Wenig Spielraum für Erweiterungen. JSON unterstützt zwar Erweiterungen durch benutzerdefinierte Eigenschaften oder die Eigenschaft „$schema“, aber das Format bietet nicht so viel Flexibilität für Erweiterungen wie andere Formate, z. B. XML oder YAML.
4. Es gibt keinen Standard, um die Reihenfolge der Schlüssel zu behalten. JSON hat keine Standardmethode, um die Reihenfolge der Schlüssel in einem Objekt beizubehalten, was den Vergleich oder das Zusammenführen von JSON-Objekten erschwert.
5. Nur eingeschränkte Unterstützung für Zirkelverweise. JSON hat nur eingeschränkte Unterstützung für zirkuläre Referenzen, bei denen ein Objekt auf sich selbst verweist. Das kann es schwieriger machen, manche Datenstrukturen in JSON darzustellen.

Es ist wichtig, diese Einschränkungen bei der Implementierung zu kennen, wenn du mit JSON-Daten arbeitest, um sicherzustellen, dass das Format für deine Bedürfnisse geeignet ist, und um mögliche Probleme bei der Serialisierung, Deserialisierung und Datendarstellung zu vermeiden.

Fazit

JSON ist ein echt vielseitiges und weit verbreitetes Format für den Datenaustausch in der modernen Webentwicklung, und Python hat ein paar echt starke Tools für die Arbeit mit JSON-Daten. Egal, ob du eine API entwickelst oder mit clientseitigen Webanwendungen arbeitest – die Grundlagen von JSON in Python zu verstehen, ist für jeden modernen Entwickler ein Muss. Wenn du die Techniken aus diesem Tutorial drauf hast, bist du auf dem besten Weg, mit JSON-Daten in Python zu arbeiten und robuste, skalierbare Anwendungen zu entwickeln, die die Vorteile dieses leistungsstarken Datenaustauschformats nutzen.

Wenn du wissen willst, wie man Pipelines baut, um Daten aus gängigen Speicherformaten zu importieren, schau dir unsere Kurs Optimierte Datenerfassung mit pandas an. Du wirst pandas verwenden, eine wichtige Python-Bibliothek für Analysen, um Daten aus verschiedenen Quellen zu holen, darunter eine Tabelle mit Umfrageantworten, eine Datenbank mit Anfragen für öffentliche Dienstleistungen und eine API für eine beliebte Bewertungswebsite.