Kódování dat #

V Pythonu informace spravuješ v seznamech, slovnících a jiných datových strukturách. Když si vytvoříš nějaký slovník plný seznamů, řetězců a čísel, můžeš s ním v Pythonu dál pracovat. Třeba:

data = {
    'jméno': 'Anna',
    'město': 'Brno',
    'jazyky': ['čeština', 'angličtina'],
    'věk': 26,
}
data['jazyky'].append('Python')

Taková data ale nejdou přímo zapsat na disk nebo přenést přes Internet. Python si je „pamatuje“ tak, aby s nimi mohl jednoduše pracovat. Když ale Python vypneš, informace se ztratí.

Abys mohl/a informace zapsat, uložit nebo dokonce přenést na jiný počítač, musíš je zakódovat – převést na řetězec. Řetězec pak lze zapsat do souboru nebo třeba poslat přes Internet.

Kódování #

Existuje spousta způsobů jak zakódovat data do textu. Každý způsob se snaží najít vhodnou rovnováhu mezi čitelností pro lidi/počítače, délkou zápisu, bezpečností, možnostmi a rozšiřitelností. Už znáš syntaxi Pythonu, kterou můžeš použít jen pro Python:

{
    'name': 'Anna',
    'city': 'Brno',
    'language': ['czech', 'english', 'Python'],
    'age': 26,
}

Jiný způsob kódování dat je YAML:

name: Anna
city: Brno
language:
  - czech
  - english
  - Python
age: 26

Nebo třeba Bencode:

d6:languagel9:czech11:english6:Pythone4:agei26e6:city4:Brno6:name4:Annae

Existují i netextové formáty jako Pickle 3. Převedením do textu bys dostal/a „guláš“ jako:

}q(XjménoqXAnnaqXmÄtoqXBrnoqXlanguageq]q(X       ÄeÅ¡tinaqX
                                                          angliÄtinaXPythonq       eXvÄq
K▒u.

A nakonec uvedu JSON (z angl. Javascript Object Notation „zápis Javascriptových objektů”), který se pro svou jednoduchost rozšířil na Internetu nejvíc:

{
  "name": "Anna",
  "city": "Brno",
  "language": ["czech", "english", "Python"],
  "age": 26
}

JSON #

Pojďme se zaměřit na populární JSON; práce s ostatními formáty funguje podobně.

json_string = """ { "name": "Anna", "city": "Brno", "language": ["czech", "english", "Python"], "age": 26 } """

data = json.loads(json_string) print(data) print(data['city'])

A pak tu je metoda `dumps`, která naopak daná data zakóduje
a vrátí řetězec:

```pycon
{"name": "Anna", "city": "Brno", "language": ["czech", "english", "Python"], "age": 26}

Výsledný řetězec obsahuje ty správné informace – ale je psaný spíš pro počítačové zpracování než k tomu, aby ho četl člověk.

Zapiš tenhle řetězec do souboru:

with open('data.json', 'w') as soubor:
    print(kod, file=soubor)

Jinde – třeba v jiném programu, nebo dokonce na jiném počítači, pokud tam soubor zkopíruješ – můžeš pak řetězec s kódem načíst:

with open('data.json') as soubor:
    kod = soubor.read()

A pomocí json.loads ho pak převedeš zpátky na původní slovník, se kterým můžeš dál pracovat:

>>> data = json.loads(kod)
>>> print(data)
{'jméno': 'Anna', 'město': 'Brno', 'jazyky': ['čeština', 'angličtina', 'Python'], 'věk': 26}
>>> print(data['věk'] + 1)
27

Hezký výstup #

To, co vrací json.dumps, je vhodné pro počítačové zpracování:

>>> kod = json.dumps(data)
>>> print(kod)
{"jm\u00e9no": "Anna", "m\u011bsto": "Brno", "jazyky": ["\u010de\u0161tina", "angli\u010dtina", "Python"], "v\u011bk": 26}

Má-li výsledný soubor číst člověk, je ho možné zpřehlednit pomocí pojmenovaných argumentů ensure_ascii=False (aby se písmenka s diakritikou nekódovala pomocí \) a indent=2 (odsazení dvěma mezerami).

>>> kod = json.dumps(data, ensure_ascii=False, indent=2)
>>> print(kod)
{
  "age": 26,
  "name": "Anna",
  "language": [
    "czech",
    "english",
    "Python"
  ],
  "city": "Brno"
}

Tenhle kód lze taky zapsat do souboru nebo načíst zpět pomocí json.loads, jen se trochu líp čte lidem.

Typy #

JSON neumožňuje věrně zakódovat jakýkoli Pythonní objekt. Zaměřuje se na výměnu informací mezi různými programy a programovacími jazyky.

Ostatní jazyky často neumí přímo pracovat s pythonními hodnotami – seznamy, slovníky, range, nebo funkcemi. Budeš-li se chtít s takovými programy „domluvit” – předat jim nějaké informace ke zpracování nebo od nich dostat výsledky – musíš informace předávat ve zjednodušené podobě.

Většina programovacích jazyků má nějaká čísla, nějaký druh seznamů, nějakou odrůdu řetězců a nějakou variaci na slovníky (často jen s řetězcovými klíči). Dále má spousta jazyků způsob, jak zapsat True, False a None.

Tyhle základní typy většinou stačí na předání jakékoli informace v rozumně čitelné podobě. A tak se v komunikaci často omezíme na ně, i když ne všechny jazyky mají přesné ekvivalenty. Třeba Python má dva základní druhy sekvencí – seznamy a n-tice – a dva druhy čísel – celá (int) a reálná (float).

Převod na JSON je proto „ztrátový“: po dekódování nedostaneš přesně stejný objekt jako ten, který jsi zakódoval/a, ale nějaký podobný. Konkrétně modul json převádí n-tice na seznamy a klíče slovníků převádí na řetězce:

>>> data = {'dvojice': (1, 2), 'seznam': [3, 4], 2: 'dva', 11: 'jedenáct'}
>>> kod = json.dumps(data)
>>> json.loads(kod)
{'dvojice': [1, 2], 'seznam': [3, 4], '2': 'dva', '11': 'jedenáct'}

Jiná kódování #

Jak už bylo řečeno, JSON je jen jeden ze způsobů, kterými lze data zakódovat. Jiná kódování mají svá pro a proti, ale v podstatě fungují stejně: jedna funkce (často dumps) zakóduje Pythonní objekt do řetězce a druhá (často loads) dekóduje řetězec na původní (nebo podobný) Pythonní objekt.

V případech, kdy má soubor s informacemi psát člověk, se často používají formáty TOML nebo YAML.

TOML #

Knihovnu pro TOML potřeba si nainstalovat. Dělá se to příkazem, který znáš z instalace knihovny Pytest. Pozor ve jméně toml neudělej překlep, jinak nainstaluješ něco jiného (a možná nebezpečného!):

(venv)$ python -m pip install toml

Data pak lze kódovat pomocí toml.dumps a dekódovat pomocí toml.loads:

>>> import toml
>>> print(toml.dumps(data))
"věk" = 26
"jméno" = "Anna"
jazyky = ["čeština", "angličtina", "Python"]
"město" = "Brno"

YAML #

Knihovnu pro YAML je také potřeba doinstalovat. Opět – ve jméně pyyaml neudělej překlep!

(venv)$ python -m pip install pyyaml

Data pak lze kódovat pomocí yaml.safe_dump (nebo „hezky“ pomocí yaml.safe_dump(data, indent=4, allow_unicode=True)) a zapisovat pomocí yaml.safe_load(kod). Výsledný soubor vypadá takto:

jazyky:
- čeština
- angličtina
- Python
jméno: Anna
město: Brno
věk: 26