4、JSON与XML数据解析：JSON结构、Python json模块、XML解析与ElementTree

数据采集回来，最常碰到的两种格式就是 JSON 和 XML。说白了，它们就是数据交换的「通用语言」。一个轻巧灵活，一个严谨规范。我做了这么多年数据工程，几乎每天都在跟它们打交道。今天咱们就把这两种格式的解析方法彻底捋一遍。

4.1 JSON：轻量级的数据交换格式

JSON 的全称是 JavaScript Object Notation。别看名字里带 JavaScript，它早就成了跨语言的标准。为什么大家都爱用？结构简单，读写快，解析起来不费劲。

一个典型的 JSON 长这样：

{
  "name": "数据采集系统",
  "version": "2.1.0",
  "modules": ["采集", "解析", "存储"],
  "config": {
    "timeout": 30,
    "retry": 3
  }
}

JSON 的核心结构就两种：对象（花括号包着键值对）和数组（方括号包着有序列表）。键必须是字符串，值可以是字符串、数字、布尔、null、对象或数组。嗯，就这么简单。

4.2 Python json 模块实战

Python 自带的 json 模块，基本能满足 90% 的日常需求。我一般只用四个函数：dumps、loads、dump、load。

来个实际例子。假设我们从 API 接口拿到一段 JSON 字符串：

import json

json_str = '{"status": "ok", "data": [{"id": 1, "value": 0.85}, {"id": 2, "value": 0.92}]}'
parsed = json.loads(json_str)

print(parsed["status"])        # 输出: ok
print(parsed["data"][0]["value"])  # 输出: 0.85

反过来，把 Python 字典转成 JSON 字符串也很简单：

data = {
    "project": "编解码实战",
    "chapters": [1, 2, 3, 4],
    "active": True
}

json_output = json.dumps(data, indent=2, ensure_ascii=False)
print(json_output)

这里 indent=2 让输出带缩进，方便调试。ensure_ascii=False 保证中文正常显示，不然你会看到一堆 \u 开头的乱码。

4.3 XML：另一种数据格式

XML 比 JSON 老，但依然活跃在很多企业级系统里。它的特点是自带元数据，结构严谨，适合做文档标记和数据交换。

同样的数据，用 XML 表示是这样的：

<?xml version="1.0" encoding="UTF-8"?>
<system>
    <name>数据采集系统</name>
    <version>2.1.0</version>
    <modules>
        <module>采集</module>
        <module>解析</module>
        <module>存储</module>
    </modules>
    <config timeout="30" retry="3"/>
</system>

XML 的核心概念：标签、属性、文本内容、嵌套结构。每个标签可以有自己的属性，也可以包含子标签。你想想看，这种树形结构是不是很适合表示层级关系？

4.4 ElementTree 解析 XML

Python 标准库里的 xml.etree.ElementTree 是我最常用的 XML 解析工具。它把 XML 文档变成一棵元素树，每个节点都是一个 Element 对象。

先看怎么解析：

import xml.etree.ElementTree as ET

xml_data = """<?xml version="1.0"?>
<bookstore>
    <book category="编程">
        <title>Python实战</title>
        <author>张三</author>
        <price>59.00</price>
    </book>
    <book category="数据">
        <title>数据工程入门</title>
        <author>李四</author>
        <price>79.00</price>
    </book>
</bookstore>"""

root = ET.fromstring(xml_data)

# 遍历所有 book 标签
for book in root.findall("book"):
    title = book.find("title").text
    author = book.find("author").text
    category = book.get("category")
    print(f"{title} - {author} ({category})")

输出结果：

Python实战 - 张三 (编程)
数据工程入门 - 李四 (数据)

ElementTree 的常用方法：

• find(tag)：找第一个匹配的子标签
• findall(tag)：找所有匹配的子标签，返回列表
• get(attr)：获取标签的属性值
• text：获取标签的文本内容
• tag：获取标签名
• attrib：获取所有属性，返回字典

4.5 JSON vs XML：怎么选？

我整理了一张对比表，方便你快速决策：

说白了，如果你在写 Web API 或者微服务，JSON 是默认选择。如果你在对接银行、医疗、政府系统，大概率会遇到 XML。两种都得会，这是基本功。

4.6 本章知识体系

下面这张图帮你理清 JSON 和 XML 的核心脉络：