这篇教程Python中rapidjson参数校验实现写得很实用，希望能帮到您。
前言
在使用Django框架开发前后端分离的项目时，通常需要对前端传递过来的参数进行校验，校验的方式有多种，可以使用drf进行校验，也可以使用json进行校验，本文介绍在Python中rapidjson的基本使用以及如何进行参数校验。
rapidjson简介和安装
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基本使用
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。
dumps() 方法
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)
skipkeys
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 rapidjsonfrom pprint import pprintdic = { True: False, (0,): 'python'}res = rapidjson.dumps(dic)pprint(res) # TypeError: {True: False, (0,): 'python'} is not JSON serializableres = rapidjson.dumps(dic, skipkeys=True)pprint(res) # '{}'
ensure_ascii
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":"//u4E3D//u4E3D","name1":"lili"}'res = rapidjson.dumps(dic, ensure_ascii=False)pprint(res) # '{"name":"丽丽","name1":"lili"}'
sort_keys
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"}'
dump()方法
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 iostream = io.BytesIO()dump('bar', stream)print(stream.getvalue()) # b'"bar"'
Validator class
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 rapidjsonfrom pprint import pprintvalidate = 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1validate('["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))到此这篇关于Python中rapidjson参数校验实现的文章就介绍到这了,更多相关Python rapidjson参数校验内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python中scrapy下载保存图片的示例
Pandas 稀疏数据结构的实现 |
