preface: 最近幫師兄處理json文件，需要讀到數(shù)據(jù)庫(kù)里面，以備其后續(xù)從數(shù)據(jù)庫(kù)讀取數(shù)據(jù)。數(shù)據(jù)是關(guān)于yelp網(wǎng)站里面的: https://github.com/Yelp/dataset-examples，http://www.yelp.com/dataset_challenge/. 涉及到一些json和sql的問題，記錄下。

一、python sql安裝

python 自帶輕型數(shù)據(jù)庫(kù)sqlite，不過用不了。需要mysql才行，pip安裝mysql失敗，easy_install安裝也失敗，這不科學(xué)。后經(jīng)過同仁的幫忙，用conda安裝成功，這什么鬼。好吧，查了下是python自帶的包管理器conda。

pip install MySQLdb

easy_install MySQLdb

pip install MySQL

easy_install MySQL

ipython

which python

sudo conda search mysql

conda search mysql

conda install mysql-python

二、處理json數(shù)據(jù)

python有自帶解析json的包，如同解析html的beautifulsoup, 解析xml的xml包等等。用json.loads()函數(shù)可破。以下幾句代碼可破。

import json

import codecs

f = codecs.open(file_name,encoding = "utf-8")

for line in f:

line = line.strip("\n")

line_dict = json.loads(line)需要注意的是：

1.鹵主用的是codecs讀入文件，曾經(jīng)以為

with codecs.open(file_name,encoding = "utf-8") as f:

text = f.readlines()

通過readlines()是一行一行的讀入，但是這次遇到1.4G的json文件時(shí)，內(nèi)存溢出。轉(zhuǎn)為直接用上面的，而非用readlines()函數(shù)讀。

2.json.loads()傳入的參數(shù)需要是json字符串，鹵主一行一行的讀入，傳入json字符串,解析后，是一個(gè)字典。接下來就好處理了。看個(gè)人需要進(jìn)行分析。

#============================

方法2：將整個(gè)json文件作為參數(shù)傳入到

f = file(file_name)

s = json.load(f)

但這樣會(huì)遇到ValueError:Extra data錯(cuò)誤，查了下資料，說是多個(gè)json對(duì)象的問題，這不廢話么，一個(gè)文件夾里肯定多個(gè)json對(duì)象。stackoverflow里面解釋的很詳細(xì)http://stackoverflow.com/questions/21058935/python-json-loads-shows-valueerror-extra-data。

>>> json.loads('{}')

{}

>>> json.loads('{}{}') # == json.loads(json.dumps({}) + json.dumps({}))

Traceback (most recent call last):

File "", line 1, in

File "C:\Python27\lib\json\__init__.py", line 338, in loads

return _default_decoder.decode(s)

File "C:\Python27\lib\json\decoder.py", line 368, in decode

raise ValueError(errmsg("Extra data", s, end, len(s)))

ValueError: Extra data: line 1 column 3 - line 1 column 5 (char 2 - 4)

>>> dict1 = {}

>>> dict2 = {}

>>> json.dumps([dict1, dict2])

'[{}, {}]'

>>> json.loads(json.dumps([dict1, dict2]))

[{}, {}]鹵主沒用方法2，故沒有深究。

三、存sql

一開始沒試過，等真正查找博客編寫自己的代碼的時(shí)候比自己想象的簡(jiǎn)單。直接上有注釋的代碼。

import MySQLdb as mdb

#需要?jiǎng)?chuàng)建數(shù)據(jù)庫(kù)yelp_dataset_challenge_academic_daaset

conn = mdb.connect(host = 'XXX.XX.XX.XX', user = 'XXX', passwd = '', db = 'yelp_dataset_challenge_academic_daaset')

cur = conn.cursor()#初始化游標(biāo)

#conn.set_character_set("utf-8")

cur.execute('SET NAMES utf8;')

cur.execute('SET CHARACTER SET utf8;')

cur.execute('SET character_set_connection=utf8;')

#===============建表,先刪除已存在的記錄。表本身不刪除，不用drop,用delete

table_name = "yelp_academic_dataset_checkin"

delete_table = "delete from "+table_name

cur.execute(delete_table)

#需要在數(shù)據(jù)庫(kù)中創(chuàng)建表yelp_academic_dataset_checkin，及字段和字段屬性類型。

#寫sql語(yǔ)句創(chuàng)建也行，不

insert_sql = "insert into yelp_academic_dataset_checkin (type,business_id,checkin_info) values (%s,%s,%s)"

#=====從json得到value的一些步驟，略。============

values_tuple = (str(temp_values[0]),str(temp_values[1]),str(temp_values[2]))

cur.execute(insert_sql,values_tuple)

#執(zhí)行完了，需要關(guān)掉

conn.commit()

conn.close()

另外似乎可以json--->dataframe--->sql，用pandas.io.json相關(guān)的。鹵主沒有試過，以后有機(jī)會(huì)可以一試。

參考：

1.https://github.com/Yelp/dataset-examples

2.http://www.yelp.com/dataset_challenge/

3.http://stackoverflow.com/questions/21058935/python-json-loads-shows-valueerror-extra-data

版權(quán)聲明：本文為博主原創(chuàng)文章，未經(jīng)博主允許不得轉(zhuǎn)載。

總結(jié)

以上是生活随笔為你收集整理的python存储和读取数据时出现错误_python读取json文件存sql及codecs读取大文件问题...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。