从Python中的json文件中的特定字段中提取文本

Posted 2023-02-23

【中文标题】从Python中的json文件中的特定字段中提取文本

【英文标题】：Extracting text from a specific field in a json file in Python

【发布时间】：2022-01-05 22:47:04

【问题描述】：

我的 JSON 看起来像这样（但有很多这样的行）：

"text": "Home - Homepage des Kunstvereins Pro Ars Lausitz e.V.\nKunst. Und so weiter.", "timestamp": "2018-01-20T18:56:35Z", "url": "http://proarslausitz.de/1.html"
"text": "Bildnummer: 79800031\nVektorgrafikSkalieren Sie ohne Aufl\u00f6sungsverlust auf jede beliebige. Ende.", "url": "http://www.shutterstock.com/de/pic.mhtml?id=79800031&src=lznayUu4-IHg9bkDAflIhg-1-15"

我想创建一个 .txt 文件，其中仅包含来自 text 的文本。所以它只是：

Home - Homepage des Kunstvereins Pro Ars Lausitz e.V.\nKunst. Und so weiter. Bildnummer: 79800031\nVektorgrafikSkalieren Sie ohne Aufl\u00f6sungsverlust auf jede beliebige. Ende.

没有字符串，什么都没有。我认为编码（因为元音变音）之后不难解决。但是关于文本提取，我知道我可以做到：

json_object = json.loads(json_object_string)
print(json_object["text"])

但这只是为了一条线。我需要遍历这些行吗？如何将文本合并到一个 .txt 文件中？

【问题讨论】：

只遍历行

【参考方案1】：

with open("file.txt", 'w') as txt_file:
    for i in range(len(js_file['...'])):
        txt_file.write(js['...'][i]['text'])

txt_file.close()

用 json 文件的主键名替换 '...'

【参考方案2】：

我不完全确定是否有一种方法可以“矢量化”从 json 复制值，即使有，在我看来，迭代仍然可以很好地完成工作。如果我要遍历那个长 JSON 的每一行并将每个“文本”放入一个文本文件中，我会这样做：

import json

# removed escape sequences, that is not focus of problem
test = '["text": "Home - Homepage des Kunstvereins Pro Ars Lausitz e.V.Kunst. Und so weiter.", "timestamp": "2018-01-20T18:56:35Z", "url": "http://proarslausitz.de/1.html", "text": "Bildnummer: 79800031VektorgrafikSkalieren Sie ohne Aufl sungsverlust auf jede beliebige. Ende.", "url": "http://www.shutterstock.com/de/pic.mhtml?id=79800031&src=lznayUu4-IHg9bkDAflIhg-1-15"]'

# as you said loading the object from list of dicts into json
test_json = json.loads(test)

# opens a new text file to put the json text into
with open("json_output.txt", 'w+') as file:
    for line in test_json:
       # assuming the text includes /n write function will paste each dict on different line
       file.write(line.get("text"))