4. Python: json base
Obiettivi
Sezione intitolata “Obiettivi”- Usare le quattro funzioni del modulo
json:loads/dumpsper le stringhe,load/dumpper i file. - Controllare l’output: indentazione, ordine delle chiavi, caratteri non ASCII, compattezza.
- Sapere esattamente in cosa si trasforma ogni tipo JSON in Python e viceversa.
- Gestire
JSONDecodeErrorleggendo dove è l’errore.
Il modulo json è nella libreria standard: niente da installare. Le funzioni finiscono in s quando lavorano su stringhe:
| Funzione | Da | A |
|---|---|---|
json.loads(testo) |
str (o bytes) JSON |
oggetto Python |
json.dumps(oggetto) |
oggetto Python | str JSON |
json.load(file) |
file aperto in lettura | oggetto Python |
json.dump(oggetto, file) |
oggetto Python | scrive sul file |
La tabella di conversione
Sezione intitolata “La tabella di conversione”Decodifica (loads):
| JSON | Python |
|---|---|
| oggetto | dict |
| array | list |
| stringa | str |
| numero intero | int (precisione arbitraria) |
numero con . o esponente |
float |
true / false |
True / False |
null |
None |
Codifica (dumps) accetta in più tuple (→ array) e, per le chiavi, int/float/bool/None (→ convertite in stringa). Tutto il resto — datetime, Decimal, set, dataclass, oggetti tuoi — solleva TypeError: Object of type X is not JSON serializable. Il capitolo 5 spiega come estendere.
I parametri di dumps che usi davvero
Sezione intitolata “I parametri di dumps che usi davvero”json.dumps(obj, indent=2, # None = compatto su una riga; 2 o 4 = leggibile sort_keys=True, # chiavi in ordine alfabetico: output stabile per diff e hash ensure_ascii=False, # True (default) scrive "caff\u00e8"; False scrive "caffè" separators=(",", ":"), # il più compatto possibile (default con indent=None è (", ", ": ")) default=…, # funzione chiamata per i tipi sconosciuti (capitolo 5))JSONDecodeError
Sezione intitolata “JSONDecodeError”Sottoclasse di ValueError con tre attributi utili: msg, pos (indice del carattere), lineno/colno. Intercettala sempre quando il JSON arriva dall’esterno.
curl, spiegato: la stessa richiesta che faremo in Python
Sezione intitolata “curl, spiegato: la stessa richiesta che faremo in Python”Prendiamo i primi due libri, con la query string che limita i risultati:
curl -s 'https://corso-api-json.giuseppebosi.com/api/v1/books?limit=2' -o libri.jsonpython3 -m json.tool libri.json | head -20- '…?limit=2'
- dopo
?inizia la query string: parametrichiave=valoreseparati da&. Gli apici proteggono?e&dalla shell - -o libri.json
- output: salva il corpo della risposta nel file invece di stamparlo
- python3 -m json.tool libri.json
- rilegge il file, lo valida e lo stampa indentato
- | head -20
- solo le prime 20 righe
{ "items": [ { "id": 1, "title": "Il silenzio di Ustica", "isbn": "978-88-81482-001-1", "author_id": 19, "category_id": 2, "price": 18.71, "pages": 120, "published_year": 2002, "language": "it", "in_stock": true, "attributes": { "format": "brossura", "cover": "morbida", "awards": [], "dimensions_cm": { "w": 15, "h": 19 },La risposta di una lista è una “busta”: items (array), meta (paginazione) e links (pagina successiva/precedente). La vedremo a fondo nella Sezione 2.
Header della risposta
Python: il giro completo
Sezione intitolata “Python: il giro completo”# pip install httpx# python3 json_base.pyimport jsonimport httpx
BASE = "https://corso-api-json.giuseppebosi.com/api/v1"
# 1. Dalla rete: httpx fa json.loads per ter = httpx.get(f"{BASE}/books", params={"limit": 2})dati = r.json()print(type(dati), list(dati)) # <class 'dict'> ['items', 'meta', 'links']print(dati["meta"]) # {'page': 1, 'limit': 2, 'total': 80, 'pages': 40}
# 2. Lo stesso a mano: testo -> oggettotesto = r.textdati2 = json.loads(testo)assert dati == dati2
# 3. Oggetto -> testo, in tre stiliprimo = dati["items"][0]print(json.dumps(primo)) # compatto, ASCII, ordine originaleprint(json.dumps(primo, indent=2, ensure_ascii=False)) # leggibileprint(json.dumps(primo, sort_keys=True, separators=(",", ":"))) # minimo e stabile
# 4. File: dump / loadwith open("libri.json", "w", encoding="utf-8") as f: json.dump(dati["items"], f, indent=2, ensure_ascii=False)with open("libri.json", encoding="utf-8") as f: riletti = json.load(f)print(len(riletti), riletti[1]["title"]) # 2 TypeScript e Ferrara
# 5. Tipi: cosa esce da loadsfor chiave in ("id", "price", "in_stock", "avg_rating", "attributes", "title"): print(f"{chiave:12} {type(primo[chiave]).__name__}")# id int / price float / in_stock bool / avg_rating NoneType / attributes dict / title str
# 6. Erroritry: json.loads('{"id": 7,}')except json.JSONDecodeError as e: print(e.msg, "| pos:", e.pos, "| riga:", e.lineno, "colonna:", e.colno) # Expecting property name enclosed in double quotes | pos: 9 | riga: 1 colonna: 10Cosa dovresti vedere:
<class 'dict'> ['items', 'meta', 'links']{'page': 1, 'limit': 2, 'total': 80, 'pages': 40}{"id": 1, "title": "Il silenzio di Ustica", "isbn": "978-88-81482-001-1", "author_id": 19, "category_id": 2, "price": 18.71, "pages": 120, "published…{ "id": 1, "title": "Il silenzio di Ustica", "isbn": "978-88-81482-001-1", "author_id": 19, "category_id": 2, "price": 18.71, "pages": 120, "published_year": 2002, "language": "it", "in_stock": true, "attributes": { "format": "brossura", "cover": "morbida",…Questo capitolo è dedicato a Python; l’equivalente JavaScript/TypeScript (JSON.parse, JSON.stringify, file con node:fs) è il capitolo 6. Ecco solo la corrispondenza rapida:
// Python -> TypeScript// json.loads(testo) -> JSON.parse(testo)// json.dumps(obj) -> JSON.stringify(obj)// json.dumps(obj, indent=2) -> JSON.stringify(obj, null, 2)// json.load(open(p)) -> JSON.parse(await readFile(p, "utf8"))// json.dump(obj, f) -> await writeFile(p, JSON.stringify(obj, null, 2))Esercizio
Sezione intitolata “Esercizio”Provalo online, senza installare nulla:
La richiesta GET diretta nel browser: https://corso-api-json.giuseppebosi.com/api/v1/books?limit=2
Python su Google Colab (serve un account Google gratuito per eseguire le celle); TypeScript su StackBlitz (si apre e parte da solo nel browser). Se l’API di prova è spenta, accendila da /api-attiva/.
Scarica /api/v1/books?limit=100 e scrivi uno script che:
- salva in
catalogo.jsonsolo i campiid,title,pricedi ogni libro, indentato e con le chiavi ordinate; - rilegge il file e stampa il titolo del libro più caro;
- prova a fare
json.dumpsdel valore{"quando": datetime.now()}e stampa il messaggio dell’eccezione.
Soluzione
import jsonfrom datetime import datetimeimport httpx
libri = httpx.get("https://corso-api-json.giuseppebosi.com/api/v1/books", params={"limit": 100}).json()["items"]ridotti = [{"id": b["id"], "title": b["title"], "price": b["price"]} for b in libri]with open("catalogo.json", "w", encoding="utf-8") as f: json.dump(ridotti, f, indent=2, sort_keys=True, ensure_ascii=False)
with open("catalogo.json", encoding="utf-8") as f: riletti = json.load(f)print(max(riletti, key=lambda b: b["price"])["title"]) # Quello che resta di Sestri
try: json.dumps({"quando": datetime.now()})except TypeError as e: print(e) # Object of type datetime is not JSON serializableCosa dovresti vedere:
Quello che resta di SestriObject of type datetime is not JSON serializableErrori comuni
Sezione intitolata “Errori comuni”json.load(testo)con una stringa:loadvuole un file; per le stringhe èloads.- Dimenticare
encoding="utf-8"inopen(): su Windows il default può essere cp1252 e i caratteri accentati si corrompono. - Confrontare JSON come stringhe:
'{"a":1,"b":2}' != '{"b":2,"a":1}'anche se rappresentano lo stesso oggetto. Confronta gli oggetti, o serializza consort_keys=True. - Usare
eval()per “parsare” JSON. Mai: esegue codice arbitrario.
In sintesi
Sezione intitolata “In sintesi”loads/dumps per le stringhe, load/dump per i file, indent/sort_keys/ensure_ascii per controllare l’output, JSONDecodeError per gli errori. I tipi si mappano in modo prevedibile; ciò che non si mappa (date, Decimal, oggetti) è l’argomento del prossimo capitolo.