本篇内容介绍了“rapidjson怎么安装和使用”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！
创新互联公司-专业网站定制、快速模板网站建设、高性价比双鸭山网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式双鸭山网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖双鸭山地区。费用合理售后完善，十年实体公司更值得信赖。
rapidjson是一个性能非常好的C++ JSON解析器和序列化库，它被包装成了Python3的扩展包，就是说在Python3中可以使用rapidjson进行数据的序列化和反序列化操作并且可以对参数进行校验，非常方便好用。
rapidjson安装命令：pip install python-rapidjson。
rapidjson和json模块在基本使用方法上一致的，只不过rapidjson在某些参数方面和json模块不兼容，这些参数并不常用，这里不做过多介绍，详情可参照rapidjson官方文档。基本使用介绍两个序列化的方法dump/dumps，反序列化的load/loads使用json模块的即可。
dumps & dump这两个方法都是将Python实例对象序列化为JSON格式的字符串，用法和参数大致相同，dump方法比dumps方法多了一个必要的file_like参数。
该方法返回的结果是一个Python 字符串实例。参数非常多，这里只介绍经常使用的三个参数。
rapidjson.dumps(obj, *, skipkeys=False, ensure_ascii=True, write_mode=WM_COMPACT, indent=4, default=None, sort_keys=False, number_mode=None, datetime_mode=None, uuid_mode=None, bytes_mode=BM_UTF8, iterable_mode=IM_ANY_ITERABLE, mapping_mode=MM_ANY_MAPPING, allow_nan=True)
该参数表示是否跳过不可用的字典的key进行序列化，如果默认为False，如果修改为True字典的key如果不属于基本数据类型(str int float bool None)之一就会跳过该key而不会抛出TypeError的异常。
import rapidjson
from pprint import pprint
dic = {
True: False,
(0,): "python"
}
res = rapidjson.dumps(dic)
pprint(res) # TypeError: {True: False, (0,): "python"} is not JSON serializable
res = rapidjson.dumps(dic, skipkeys=True)
pprint(res) # "{}"该参数表示序列化的结果是否只包含ASCII字符，默认值是True，将Python实例序列化后所有的非ASCII码的字符都会被转义，如果将该参数的值修改为False，增会将字符原样输出。
dic = {
"name": "丽丽",
"name1": "lili"
}
res = rapidjson.dumps(dic)
pprint(res) # "{"name":"u4E3Du4E3D","name1":"lili"}"
res = rapidjson.dumps(dic, ensure_ascii=False)
pprint(res) # "{"name":"丽丽","name1":"lili"}"该参数表示序列化时是否将字典的key按照字母进行排序。默认是False，如果修改为True，字典序列化得到的结果就是按照字典的key的字母顺序进行排序的。
dic = {
"name": "丽丽",
"age": "10"
}
res = rapidjson.dumps(dic, ensure_ascii=False, sort_keys=True)
pprint(res) # "{"age":"10","name":"丽丽"}"该方法和dumps方法非常类似，不同的是该方法需要一个额外的必须的参数 - 一个file-like的可写流式对象，比如文件对象，将第一个参数obj进行序列化写入可写的流式对象中。
rapidjson.dump(obj, stream, *, skipkeys=False, ensure_ascii=True, write_mode=WM_COMPACT, indent=4, default=None, sort_keys=False, number_mode=None, datetime_mode=None, uuid_mode=None, bytes_mode=BM_UTF8, iterable_mode=IM_ANY_ITERABLE, mapping_mode=MM_ANY_MAPPING, chunk_size=65536, allow_nan=True)
下面是该方法的基本使用：
# 写入文件
dic = {
"name": "丽丽",
"age": "10"
}
f = open("1.py", "w", encoding="utf8")
res = rapidjson.dump(dic, f)
pprint(res)
# 或者下面这种用法
import io
stream = io.BytesIO()
dump("bar", stream)
print(stream.getvalue()) # b""bar""rapidjson中的Validator类可以用来做参数校验。Validator的参数是JSON schema，当我们需要知道JSON数据中预期的字段以及值的表示方式时，这就是JSON Schema的用武之地，是描述JSON数据结构的一种声明格式，也可以通俗的理解为是参数的校验规则。如果JSON schema是不可用的JSON格式的数据，就会抛出JSONDecodeError的异常。
类的参数就是校验规则，如果给定的JSON数据没有通过校验就会抛出ValidationError异常，异常包括三个部分，分别是错误的类型、校验的规则以及在JSON字符串中错误出现的位置。
import rapidjson
from pprint import pprint
validate = rapidjson.Validator("{"required": ["a", "b"]}") # 表示a和b这两个参数是必须的
validate("{"a": null, "b": 1}") # 符合规则
validate("{"a": null, "c": false}") # rapidjson.ValidationError: ("required", "#", "#")validate = rapidjson.Validator("{"type": "array"," # 参数类型是array
" "items": {"type": "string"}," # array中的每个元素类型是string
" "minItems": 1}") # array中元素数量最少为1
validate("["foo", "bar"]") # 符合规则
validate("[]") # rapidjson.ValidationError: ("minItems", "#", "#")关于JSON schema的更多参数校验规则以及定义规范可以参考*JSON schema官方文档*，下述是一种JSON schema格式仅供参考：
LOGIN_SCHEMA = {
"type": "object",
"properties": {
"token": "string",
"number": "integer"
},
"required": ["token"],
}
}
validate = rapidjson.Validator(rapidjson.dumps(LOGIN_SCHEMA))
data = {
"token": "python",
"number": 10
}
validate(rapidjson.dumps(data))“rapidjson怎么安装和使用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！
