我正在从伪xml格式文件创建一个json文件 . 但是我在json对象之间得到了逗号,这是我不想要的 .
这是我得到的样本:
[{"a": a , "b": b } , {"a": a , "b": b }]
但是我想要这个:
{"a": a , "b": b } {"a": a , "b": b }
它可能不是一个有效的json,但我想这样,以便我可以通过执行以下操作来改变它:
shuf -n 100000 original.json > sample.json
否则,它将只是json的一大行
这是我的代码:
def read_html_file(file_name):
f = open(file_name,"r", encoding="ISO-8859-1")
html = f.read()
parsed_html = BeautifulSoup(html, "html.parser")
return parsed_html
def process_reviews(parsed_html):
reviews = []
for r in parsed_html.findAll('review'):
review_text = r.find('review_text').text
asin = r.find('asin').text
rating = r.find('rating').text
product_type = r.find('product_type').text
reviewer_location = r.find('reviewer_location').text
reviews.append({
'review_text': review_text.strip(),
'asin': asin.strip(),
'rating': rating.strip(),
'product_type': product_type.strip(),
'reviewer_location': reviewer_location.strip()
})
return reviews
def write_json_file(file_name, reviews):
with open('{f}.json'.format(f=file_name), 'w') as outfile:
json.dump(reviews, outfile)
if __name__ == '__main__':
parser = optparse.OptionParser()
parser.add_option('-f', '--file_name',action="store", dest="file_name",
help="name of the input html file to parse", default="positive.html")
options, args = parser.parse_args()
file_name = options.file_name
html = read_html_file(file_name)
reviews_list = process_reviews(html)
write_json_file(file_name,reviews_list)
第一个[]是因为 reviews = []
,我可以手动删除它,但我也不想在我的json对象之间使用逗号 .
2 回答
您在问题中混合了一些概念!
1.你拥有的不是
dict
,而是list
的dicts
.2.您的输入元素
list
既没有JSON,也没有预期输出现在想要解决方案,如果你想简单地
print
你的对象没有comma
分开它们,所以你只需要print
所有你的元素列表,你可以做什么:现在,如果您真正想要的是将其作为JSON对象进行操作,那么您有两个选项,使用
json
lib:将样本中的每个元素添加为Json并单独操作它
它们已经格式化为Json,因此您可以使用
json
lib来操作它们以将字符串或任何其他操作完全打印(dumps
):使您的样本列表成为Json
您可以将所有元素添加到单个
key
中,假设添加到名为elements
的key
,将会是:或者您可以将每个元素添加到不同的
key
. 作为一个例子,我将创建一个计数器,计数器的每个数字将为特定的element
定义不同的key
:对于第二种情况,您也可以使用文本
keys
.你要的是什么 is just not JSON . The standards,根据定义,指定对象之间必须有逗号 . 您有两种选择:
更新解析器以符合标准(强烈推荐) .
出于显示目的或您可能拥有的其他内部处理,如果您确实需要您指定的结构:捕获JSON对象并将其转换为其他内容,但请不要将其称为JSON,因为它不是 .