GoLang—爬虫—解析JSON数据-蒲公英云

JSON作为一种重要的数据格式，具有良好的可读性以及自描述性，广泛地应用在各种数据传输场景中。在网络爬虫中，当网页采用AJAX方式渲染数据时，我们必须找出AJAX的异步请求方式，并且模拟发送AJAX，从中获取数据内容，AJAX的响应数据大部分采用JSON格式表示。
GoLang可以使用标准库encoding/json解析JSON数据，此外还有第三方包ffjson、easyjson、jsoniter和jsonparser等等。在性能上，第三方包完胜标准库encoding/json，本文将分别讲述标准库encoding/json和第三包jsoniter的使用。

标准库encoding/json

回顾GoLang—爬虫入门基础—数据清洗（goquery），我们将HTTP发起请求封装在函数SendHttp，主函数main实现函数SendHttp调用和响应内容的数据处理。本文继续沿用上一节的功能代码，将发送HTTP的网址改为12306的余票查询，当我们在网页上输入查询信息并点击查询按钮即触发AJAX请求，如图所示。
在这里插入图片描述
图上的AJAX请求的响应内容为JSON格式，标准库encoding/json解析JSON有两种方式：根据JSON内容格式定义对应的结构体（struct）、使用map[string]interface{}加载JSON数据。
实际工作中，个人不建议采用根据JSON内容格式定义对应的结构体（struct），当JSON内容格式过于复杂的时候，对应的结构体（struct）会随之增加，这样会增加大量的代码。我们采用使用map[string]interface{}加载JSON数据，实现代码如下。

package main
import (
    "encoding/json"
    "fmt"
    "io/ioutil"
    "net/http"
    "net/url"
    "time"
)
// 使用映射传递函数参数，requestMode作为HTTP的请求方式
func SendHttp(urls string, method string, rawurl string, cookie []http.Cookie)string{
    req, _ := http.NewRequest(method ,urls, nil)
    //为请求对象NewRequest设置请求头
    req.Header.Add("Content-Type", "application/x-www-form-urlencoded")
    req.Header.Add("User-Agent", "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36")
    //设置Cookies信息
    if cookie != nil {
        for _, v := range cookie{
            req.AddCookie(&v)
        }
    }
    //设置代理IP，代理IP必须以为fun形式表示
    client := &http.Client{}
    if rawurl != "" {
        proxy := func(_ *http.Request) (*url.URL, error) {
            return url.Parse(rawurl)
        }
        transport := &http.Transport{Proxy: proxy}
        //在Client对象设置参数Transport即可实现代理IP
        client.Transport = transport
    }
    //执行HTTP请求
    resp, _ := client.Do(req)
    //读取响应内容
    body, _ := ioutil.ReadAll(resp.Body)
    return string(body)
}
func main() {
    urls := "https://kyfw.12306.cn/otn/leftTicket/queryT?leftTicketDTO.train_date=2019-09-17&leftTicketDTO.from_station=SHH&leftTicketDTO.to_station=GZQ&purpose_codes=ADULT"
    method := "GET"
    //rawurl := "http://111.231.93.66:8888"
    rawurl := ""
    var cookie []http.Cookie
    c := http.Cookie{Name: "clientcookieid", Value: "121", Expires: time.Now().Add(111 * time.Second)}
    cookie = append(cookie, c)
    result := SendHttp(urls, method, rawurl, cookie)
    fmt.Println(result)
    // 定义make(map[string]interface{})
    r := make(map[string]interface{})
    fmt.Println([]byte(result))
    // 调用标准库encoding/json的Unmarshal
    // 将JSON数据（JSON以字符串形式表示）转换成[]byte，并将数据加载到对象r的内存地址
    json.Unmarshal([]byte(result), &r)
    // r["data"]是读取JSON最外层的key
    // 如果嵌套JSON数据，则使用map[string]interface{}读取下一层的JSON数据
    // 如读取key为data里面嵌套的result：r["data"].(map[string]interface{})["result"]
    // 如果JSON的某个key的数据以数组表示，则使用([]interface{})[index]读取数组中某个数据。
    // 如读取key为result的第四个数据：r["data"].(map[string]interface{})["result"].([]interface{})[3]
    fmt.Println(r["data"].(map[string]interface{})["result"].([]interface{})[3])
}

运行上述代码，其运行结果如图所示。
在这里插入图片描述
除了可以使用Unmarshal函数来解封 JSON，还可以使用Decoder手动地将 JSON 数据解码到结构里面，以此来处理流式的 JSON 数据（即JSON数据过大的时候），如图所示。

通过调用NewDecoder并传入一个包含 JSON 数据的io.Reader，程序创建出了一个新的解码器。在把指向Post结构的引用传递给解码器的Decode方法之后，被传入的结构就会填充上相应的数据，然后这些数据就可以为程序所用了。当所有 JSON 数据都被解码完毕时，Decode方法将会返回一个EOF，而程序则会在检测到这个EOF之后退出for循环。

在面对 JSON 数据时，我们可以根据输入决定使用Decoder还是Unmarshal：如果 JSON 数据来源于io.Reader流，如http.Request的Body，那么使用Decoder更好；如果 JSON 数据来源于字符串或者内存的某个地方，那么使用Unmarshal更好。

**除此之外，标准库encoding/json还可以调用函数Marshal或MarshalIndent（MarshalIndent将JSON数据格式化输出，会将数据自动分段分行处理），将特定的数据转化成JSON数据。此外还可以使用Decoder，代码如下。
在这里插入图片描述
程序会创建一个用于存储 JSON 数据的 JSON 文件，并通过把这个文件传递给NewEncoder函数来创建一个编码器。接着，程序会调用编码器的Encode方法，并向其传递一个指向Post结构的引用。在此之后，Encode方法会从结构里面提取数据并将其编码为 JSON 数据，然后把这些 JSON 数据写入创建编码器时给定的 JSON 文件里面。

第三包jsoniter

第三包jsoniter是100% 兼容原生库，但是性能超级好，预先缓存了对应struct的decoder实例，然后unsafe.Pointer省掉了一些interface{}的开销，还有一些文本解析上的优化。
首先在CMD里输入第三包jsoniter的安装指令，如下所示：

go get github.com/json-iterator/go

jsoniter的使用方式也相对简单，只需定义ConfigCompatibleWithStandardLibrary对象即可，由该对象调用Unmarshal或Marshal函数即可实现JSON的解析和转换，比如上述代码中，我们只需修改包的引入和定义ConfigCompatibleWithStandardLibrary即可，代码如下

import (
    "fmt"
    "github.com/json-iterator/go"
    "io/ioutil"
    "net/http"
    "net/url"
    "time"
)
……………………（省略相同代码）
func main() {
    ……………………（省略相同代码）
    // 定义make(map[string]interface{})
    r := make(map[string]interface{})
    var json = jsoniter.ConfigCompatibleWithStandardLibrary
    json.Unmarshal([]byte(result), &r)
    fmt.Println(r["data"].(map[string]interface{})["result"].([]interface{})[3])
｝