### 使用 Python 获取 JSON 数据并进行筛选 #### 1. 读取 JSON 文件 通过 `import json` 可以加载模块来处理 JSON 数据。以下是基本的文件读取方法： ```python import json with open("example.json", 'r', encoding='utf-8') as file: data = json.load(file) # 将 JSON 文件转换为字典对象 ``` 此操作会将 JSON 文件中的数据加载到内存中作为 Python 字典或列表形式存在[^1]。 #### 2. 提取特定字段的数据 假设需要从复杂的嵌套结构中提取某些字段，可以使用标准的键访问方式或者更高级的方法如 `jsonpath` 库。 对于简单的单层 JSON 结构可以直接通过键名访问对应的值： ```python value = data["key_name"] ``` 而对于多级嵌套的情况，则推荐采用递归函数遍历整个树状结构找到目标路径上的所有匹配项；另一种更为简洁高效的办法就是引入第三方库——`jsonpath-ng` 或者原生支持 XPath 表达式的工具实现自动化查询功能[^2]: ```python from jsonpath import jsonpath result = jsonpath(data, '$..steps[*].duration') print(result) ``` 上述代码片段展示了如何利用 JSONPath 的语法 `$..steps[*].duration` 来定位任意深度下的 steps 数组里每一个 duration 属性的具体数值。 #### 3. 过滤条件满足的结果集 当仅需保留部分符合条件记录时可借助 list comprehensions 技术完成过滤逻辑编写工作。例如下面的例子演示了怎样选取 text 域等于字符串"关联附件"的所有条目及其父节点信息[^4]: ```python filtered_results = [ item for item in data if ("text" in item and item["text"] == "关联附件") ] for result in filtered_results: print(json.dumps(result, ensure_ascii=False)) ``` 另外还可以自定义辅助函数封装复杂业务需求场景下的参数化检索能力，如下所示即是一个通用版本的设计思路实例: ```python def get_json_to_dict(obj, key, value=None, exclude=""): """ Recursively search through a dictionary or list of dictionaries. Args: obj (dict|list): The object to be searched. key (str): Targeted field name we're looking up against each element within the given structure. value (any type): Optional parameter specifying what exact match should occur on top level fields named after argument 'key'. If omitted will simply collect all instances regardless their associated values. exclude(str): A string pattern representing keys that must NOT appear inside returned results' hierarchy levels. Useful when wanting certain sub-elements excluded during traversal process but still want access higher-up ones too! Returns: List containing elements matching criteria defined by inputs provided above. """ matches = [] def _search(o): nonlocal matches if isinstance(o, dict): current_exclude_found = False for k, v in o.items(): if str(k).startswith(exclude.lstrip("'").rstrip("'")): current_exclude_found = True break if not current_exclude_found: if ((not value and key in o) or (value is not None and key in o and o[key]==value)): matches.append(o) elif any(isinstance(vv, (dict,list)) for vv in o.values()): [_search(x) for x in filter(lambda y:isinstance(y,(dict,list)),o.values())] elif isinstance(o, list): for elem in o: _search(elem) _search(obj) return matches # Example Usage: data_structure = {"title":[{"text":"some title"},{"other":[]},{"another":{"nested":"field"}}]} output = get_json_to_dict(data_structure,"text","some title",'["title"][0]["text"]') if output != []: pprint(output) else: logging.warning(f"No Match Found!") ``` #### 总结说明 综上所述，在实际开发过程中可以根据具体应用场景灵活选用不同的技术手段达成目的。无论是基础的操作还是涉及深层次挖掘的需求都能够很好地应对解决。