Python 3，从/向 gzip 文件读/写压缩的 json 对象

Question

对于 Python3，我关注了 @Martijn Pieters's code：

import gzip
import json

# writing
with gzip.GzipFile(jsonfilename, 'w') as fout:
    for i in range(N):
        uid = "whatever%i" % i
        dv = [1, 2, 3]
        data = json.dumps({
            'what': uid,
            'where': dv})

        fout.write(data + '\n')

但这会导致错误：

Traceback (most recent call last):
    ...
  File "C:\Users\Think\my_json.py", line 118, in write_json
    fout.write(data + '\n')
  File "C:\Users\Think\Anaconda3\lib\gzip.py", line 258, in write
    data = memoryview(data)
TypeError: memoryview: a bytes-like object is required, not 'str'

有什么想法吗？

Answer 1

这里有四个转换步骤。

1. Python 数据结构（嵌套字典、列表、字符串、数字、布尔值）
2. 包含该数据结构（“JSON”）的序列化表示的 Python 字符串
3. 包含该字符串（“UTF-8”）表示的字节列表
4. 包含前一个字节列表（“gzip”）的更短表示的字节列表

那么让我们一步一步来。

import gzip
import json

data = []
for i in range(N):
    uid = "whatever%i" % i
    dv = [1, 2, 3]
    data.append({
        'what': uid,
        'where': dv
    })                                           # 1. data

json_str = json.dumps(data) + "\n"               # 2. string (i.e. JSON)
json_bytes = json_str.encode('utf-8')            # 3. bytes (i.e. UTF-8)

with gzip.open(jsonfilename, 'w') as fout:       # 4. fewer bytes (i.e. gzip)
    fout.write(json_bytes)                       

请注意，在这里添加"\n" 完全是多余的。它不会破坏任何东西，但除此之外它没有任何用处。我添加它只是因为您的代码示例中有它。

阅读正好相反：

with gzip.open(jsonfilename, 'r') as fin:        # 4. gzip
    json_bytes = fin.read()                      # 3. bytes (i.e. UTF-8)

json_str = json_bytes.decode('utf-8')            # 2. string (i.e. JSON)
data = json.loads(json_str)                      # 1. data

print(data)

当然可以合并步骤：

with gzip.open(jsonfilename, 'w') as fout:
    fout.write(json.dumps(data).encode('utf-8'))                       

和

with gzip.open(jsonfilename, 'r') as fin:
    data = json.loads(fin.read().decode('utf-8'))

Answer 2

提到的解决方案here（感谢@Rafe）有一个很大的优势：由于编码是即时完成的，因此您不会创建生成的 json 的两个完整的中间字符串对象。对于大对象，这可以节省内存。

with gzip.open(jsonfilename, 'wt', encoding='UTF-8') as zipfile:
    json.dump(data, zipfile)

另外，读取和解码也很简单：

with gzip.open(jsonfilename, 'rt', encoding='UTF-8') as zipfile:
    my_object = json.load(zipfile)