Массив в json: JSON — Массивы

JSON и Python: есть контакт!. В центре внимания — обработка и… | by Jenny V | NOP::Nuances of Programming

Published in

·

7 min read

·

Apr 17, 2022

Описание объекта JavaScript (англ. JavaScript Object Notation, сокращенно JSON) представляет собой распространенный формат обмена данными между различными системами. Так, многие API возвращают результаты именно в этом формате. Поскольку он легко читается и обладает объектной структурой, было бы интересно узнать, как Python работает с данными JSON. В статье мы рассмотрим, в чем суть JSON и как его обрабатывать с помощью встроенного модуля json в Python.

Структура данных JSON

Данные JSON структурированы как объекты JSON, хранящие данные в виде пар ключ-значение, подобно словарям Python. Так выглядит типичный объект JSON:

{  "firstName": "John",  "lastName": "Smith",  "age": 35,  "city": "San Francisco"}

По сути, объект JSON заключается в фигурные скобки, внутри которых хранятся пары ключ-значение. Ключи должны быть исключительно строками. Соблюдение данного требования обеспечивает стандартное взаимодействие между различными системами. Представленные значения включают строки и целые числа. При этом JSON также поддерживает и другие типы данных, такие как логическое значение, массивы и объекты.

• Строка (String): строковые литералы, заключенные в двойные кавычки;
• Число (Number): числовые литералы, включая целые и дробные;
• Логическое значение (Boolean): true или false;
• Массив (Array): список поддерживаемых типов данных;
• Объект (Object): пары ключ-значение, заключенные в фигурные скобки;
• Null: пустое значение (null) для любого допустимого типа данных.

Следует отметить, что в отличие от строк Python, допускающих одинарные или двойные кавычки, строки JSON заключаются только в двойные. При неправильном применении одинарных кавычек данные JSON становятся недействительными и не подлежат обработке обычным парсером JSON.

Помимо вышеуказанных типов, JSON поддерживает вложенные структуры данных. Например, вы можете вложить объект JSON в другой объект. Кроме того, массив может состоять из любых поддерживаемых типов данных, включая объекты. Приведем примеры:

один объект находится внутри другого:
{
"one": 1, 
"two": {"one": 1}
}массив состоит из нескольких объектов:
[
{"one": 1},
{"two": 2},
{"three": 3}
]

Смешанное использование различных типов данных предоставляет гибкость, позволяющую создавать очень сложные данные с четкой структурной информацией, поскольку все данные сохраняются в виде пар ключ-значение.

Сопоставление типов данных между JSON и Python

Будучи общим форматом обмена данными, типы данных JSON имеют соответствующие нативные структуры данных Python. Обратите внимание на двухсторонний принцип процесса: одно и то же правило (за рядом исключений) действует при преобразовании данных JSON в данные Python и наоборот.

+-----------+----------------+
|   JSON    |     Python     |
+-----------+----------------+
| String    | str            |
| Number    | int or float   |
| Boolean   | bool           |
| Array     | list           |
| Object    | dict           |
| Null      | NoneType       |
+-----------+----------------+

Эти преобразования не представляют затруднений, за исключением одного. У Python нет нативного типа данных, соответствующего числам в объектах JSON. Вместо этого для представления целых или вещественных чисел JSON задействуются int и float. Как вы могли заметить по таблице, в столбце данных Python отсутствуют кортежи (tuple) и множества (set). Примечательно, что кортеж преобразуется в массив, чего не скажешь о множестве.

Чтение строк JSON

Когда мы читаем и декодируем данные JSON в структуры данных других языков программирования, таких как Python, для дальнейшей обработки, мы говорим, что десериализуем данные JSON. Иными словами, процесс чтения и декодирования называется десериализацией. В стандартную библиотеку Python входит модуль json, который специализируется на десериализации данных JSON.

Как известно, веб-сервисы обычно используют объекты JSON в качестве ответов API. Допустим, вы получаете следующий ответ, который для простоты понимания представим в виде строкового объекта Python:

employee_json_data = """{
"employee0": {
"firstName": "John",
"lastName": "Smith",
"age": 35,
"city": "San Francisco"
},
"employee1": {
"firstName": "Zoe",
"lastName": "Thompson",
"age": 32,
"city": "Los Angeles"
}
}"""

Прочитаем эту строку JSON с помощью метода loads. Как показано ниже, после прочтения строки, содержащей вышеуказанный объект JSON, мы можем получить объект dict:

import json
employee_data = json.loads(employee_json_data)
print(employee_data)
# {'employee0': {'firstName': 'John', 'lastName': 'Smith', 'age': 35, 'city': 'San Francisco'}, 'employee1': {'firstName': 'Zoe', 'lastName': 'Thompson', 'age': 32, 'city': 'Los Angeles'}}

Отметим гибкость метода loads. При наличии строки, представляющей список объектов JSON, этот метод самостоятельно определяет, как надлежит парсить данные. Обратимся к примеру:

employee_json_array = '[{"employee2": "data"}, {"employee3": "data"}]'employee_list = json.loads(employee_json_array)
print(employee_list)# [{'employee2': 'data'}, {'employee3': 'data'}]

Помимо этих структурированных объектов JSON, метод loads способен парсить любые отличные от объектов типы данных JSON. Приведем примеры:

>>> json. loads("2.2")
2.2>>> json.loads('"A string"')
'A string'>>> json.loads('false')
False>>> json.loads('null') is None
True

Чтение файлов JSON

В предыдущем разделе были затронуты различные аспекты, касающиеся десериализации строк JSON. Однако взаимодействовать приходится не только со строками. Иногда выпадает возможность поработать и с файлами JSON. Допустим, вы выполняете следующий код для создания файла, содержащего строки JSON:

# данные JSON,которые нужно сохранить 
json_to_write='{"name": "John", "age": 35}'# запись данных JSON в файл 
with open("json_test.txt", "w") as file:
file.write(json_to_write)

Конечно же, мы можем прочитать файл напрямую, чтобы создать строку и отправить ее в метод loads:

with open(“json_test.txt”) as file:
json_string = file.read()
parsed_json0 = json.loads(json_string)
print(parsed_json0)# Вывод: {'name': 'John', 'age': 35}

Примечательно, что модуль json предоставляет метод load, позволяющий работать напрямую с файлом для парсинга данных JSON:

with open(“json_test. txt”) as file:
parsed_json1 = json.load(file)
print(parsed_json1)# Вывод: {‘name’: ‘John’, ‘age’: 35}

Данный способ несомненно более понятный, чем предыдущая реализация, поскольку он избавляет от необходимости создавать промежуточный строковый объект.

Итак, мы рассмотрели самые основные сценарии использования методов load и loads. Следует отметить, что парсинг данных JSON осуществляется посредством класса JSONDecoder. Несмотря на эффективность этого базового класса в решении большинства задач, мы можем определить более настраиваемое поведение путем создания подкласса класса JSONDecoder. Однако если вы намерены обойтись без подклассов, то методы load и loads предоставят другие параметры, с помощью которых вы сможете определить настраиваемое поведение парсинга. Удовлетворить любопытство и ознакомиться с дополнительной информацией можно в официальной документации.

Запись данных Python в формат JSON

По аналогии с чтением данных JSON запись данных Python в формат JSON включает два соответствующих метода, а именно dump и dumps. В противоположность десериализации процесс создания данных JSON называется сериализацией. Таким образом, когда мы преобразуем данные Python в данные JSON, мы говорим, что сериализуем объекты Python в данные JSON.

Подобно load и loads методы dump и dumps имеют почти идентичные сигнатуры вызовов. Главное отличие состоит в том, что метод dump записывает данные в файл JSON, тогда как dumps — в строку JSON. Для простоты остановимся только на методе dumps. Рассмотрим пример:

import jsondifferent_data = ['text', False, {"0": None, 1: [1.0, 2.0]}]json.dumps(different_data)# Вывод: '["text", false, {"0": null, "1": [1.0, 2.0]}]'

Как видно, метод dumps создает массив JSON, содержащий различные типы данных JSON. Особое внимание обращает на себя следующий факт: хотя исходный объект list использует нативные структуры данных Python, сгенерированная строка JSON содержит преобразованные структуры данных JSON. В соответствии с ранее изученной таблицей отметим следующие преобразования:

• Строка ‘text’ в одинарных кавычках теперь заключена в двойные — “text”.
• Логический объект Python False становится false.
• Объект None превращается в null.
• Поскольку ключами JSON могут быть только строки, число 1 автоматически преобразуется в его строковый аналог “1”.

Помимо автоматических преобразований мы часто задействуем две важные функциональности. Первая предназначена для создания объектов JSON в более читаемом формате посредством правильной установки отступов. Для этого в методе dumps задается параметр indent:

employee_data = [{"name": "John", "age": 35, "city": "San Francisco"}, {"name": "Zoe", "age": 34, "city": "Los Angeles"}]
print(json.dumps(employee_data, indent=2))
# Вывод: 
[
{
"name": "John",
"age": 35,
"city": "San Francisco"
},
{
"name": "Zoe",
"age": 34,
"city": "Los Angeles"
}
]

Как показано выше, каждый уровень четко оформлен при помощи отступов, чтобы обозначить взаимосвязанную структуру объектов JSON и их пар ключ-значение.

Вторая полезная функциональность — указание параметра sort_keys. Установив его в значение True, мы создаем строки JSON, ключи которых отсортированы в алфавитном порядке. Этот прием упрощает поиск информации, особенно при наличии нескольких элементов. Обратимся к примеру:

employee_info = {"name": "John", "age": 35, "city": "San Francisco", "home": "123 Main St.", "zip_code": 12345, "sex": "Male"}
print(json.dumps(employee_info, indent=2, sort_keys=True))
# output: 
{
"age": 35,
"city": "San Francisco",
"home": "123 Main St.",
"name": "John",
"sex": "Male",
"zip_code": 12345
}

Теперь мы знаем, что методы load и loads применяются для десериализации, а dump и dumps — для сериализации. Во избежание недопонимания поясним, почему методы получили именно такие названия:

• Данные JSON являются внешними по отношению к Python. При необходимости получить к ним доступ нужно “загрузить” (“load”) их в Python. Следовательно, загрузка (loading) подразумевает чтение данных JSON.
• И наоборот, для экспорта данных Python в данные JSON мы “разгружаем” (“dump”) данные. Следовательно, под разгрузкой (dumping) имеется в виду запись данных JSON.
• Если входные или выходные данные JSON являются строками, то они обозначаются буквой “s”. Поэтому мы присоединяем “s” к методу load. Таким же образом, если нам необходимы строки JSON, мы добавляем “s” к названию метода dump.

Запись пользовательских экземпляров в данные JSON

Под прицелом нашего внимания — встроенные структуры данных Python. Во многих приложениях вы определяете собственные пользовательские классы при необходимости сериализации этих пользовательских объектов экземпляров в данные JSON. Рассмотрим следующий класс, из которого создадим экземпляр:

class Employee:
def __init__(self, name, employee_id):
self.name = name
self. employee_id = employee_idemployee = Employee("John Smith", 40)

Что произойдет, если мы попробуем вызвать dumps для employee? Получим ли мы успешный результат? Проверяем:

json.dumps(employee)
# TypeError: Object of type Employee is not JSON serializable

Не сработало. Причина неудачи в том, что метод dumps пытается создать корректную строку JSON. Однако в случае с экземпляром пользовательского класса он не знает, какие данные подлежат кодированию. Один из вариантов решения — создать собственный класс JSONEncoder. Однако есть более быстрый способ: мы предоставляем методу dumps инструкции по кодированию, устанавливая аргумент default:

>>> json.dumps(employee, default=lambda x: x.__dict__)
'{"name": "John Smith", "employee_id": 40}'

Здесь указывается лямбда-функцию, которая извлекает представление dict экземпляра через доступ к специальному атрибуту __dict__. Нам известно, что встроенный объект dict сериализуется в JSON, поэтому dumps “разгружает” объект dict.

Заключение

В статье были рассмотрены основные способы обработки данных JSON в Python. Сформулируем главные выводы:

1. Данные JSON — это стандартный формат обмена данными. При создании API для всеобщего пользования JSON рекомендуется в качестве возможного формата для данных ответа.
2. У Python есть отдельные методы для работы со строками и файлами JSON. Эти методы обладают похожими сигнатурами вызовов.
3. Правильно устанавливайте отступы для улучшения читаемости данных JSON, особенно при создании соответствующей строки. Просто укажите параметр indent при сериализации объектов
4. При наличии нескольких пар ключ-значение для объектов JSON рекомендуется сортировать ключи, тем самым упрощая поиск информации.
5. Ключи JSON должны быть строками в двойных кавычках.
6. Для сериализации пользовательского экземпляра необходимо предоставить конкретные инструкции.

Читайте также:

• Прекратите использовать конфигурационные файлы JSON
• 4 бесплатные игры для изучения Python
• Работа с панелью индикаторов. Руководство программиста Python. Часть 3

Читайте нас в Telegram, VK и Яндекс.Дзен

Перевод статьи Yong Cui: How to Make JSON and Python Talk to Each Other

Анализ JSON ответов | learnapidoc-ru

Edit me

JSON является наиболее распространенным форматом ответов API REST. Посмотрим на ответ JSON для конечной точки прогноза погоды OpenWeatherMap более детально, различая массивы и объекты в JSON.

Ответ JSON от конечной точки прогноза погоды OpenWeatherMap

JSON расшифровывается как JavaScript Object Notation. Это наиболее распространенный способ возврата информации API REST. Несмотря на то, что некоторые API возвращают информацию как в JSON, так и в XML, лучше использовать JSON для анализа ответа и отображения его на веб-странице. Так как JSON намного лучше вписывается в существующую технологию JavaScript + HTML + CSS, которая поддерживает большинство веб-страниц/ С помощью JavaScript вы можете легко анализировать JSON и интегрировать его в свой веб-контент.

Развернутый ответ от конечной точки прогноза погоды OpenWeatherMap будет выглядеть примерно так:

{
    "coord": {
        "lon": -121.96,
        "lat": 37.35
    },
    "weather": [
        {
            "id": 801,
            "main": "Clouds",
            "description": "few clouds",
            "icon": "02d"
        }
    ],
    "base": "stations",
    "main": {
        "temp": 70.14,
        "pressure": 1012,
        "humidity": 33,
        "temp_min": 62.6,
        "temp_max": 75.2
    },
    "visibility": 16093,
    "wind": {
        "speed": 14.99,
        "deg": 330
    },
    "clouds": {
        "all": 20
    },
    "dt": 1522619760,
    "sys": {
        "type": 1,
        "id": 479,
        "message": 0.0058,
        "country": "US",
        "sunrise": 1522590707,
        "sunset": 1522636288
    },
    "id": 420006397,
    "name": "Santa Clara",
    "cod": 200
}

Проанализируем структуру информации этого ответа ниже.

Объект JSON это пара ключ-значение

JSON в своей структуре имеет две базовые сущности:

• объект;
• массив.

Объект представляет собой набор пар ключ-значение, заключенных в фигурные скобки:

{
    "key1": "value1",
    "key2": "value2"
}

Каждая пара ключ-значение заключена в двойные кавычки, и являются строками. Если значение представляет собой integer (целое число) или Boolean (значение true или false), то у значения двойные кавычки не ставятся. Каждая пара ключ-значение отделяется от следующей запятой.

Массив JSON это списки элементов

Массивом в JSONe является список элементов, заключенных в квадратные скобки:

["first", "second", "third"]

Список элементов может содержать строки, числа, логические значения, массивы или другие объекты. Для целочисленных или логических значений кавычки не используются.

Массив целых чисел:

[1, 2, 3]

Массив логических значений:

[true, false, true]     

Состав объектов в массиве и массивов в объекте

JSON может содержать объекты и массивы внутри друг друга. Пример массива объектов:

[
    object,
    object,
    object
]

Пример со значениями:

[  
    {  
        "name":"Tom",
        "age":39
    },
    {  
        "name":"Shannon",
        "age":37
    }
]

Объекты могут содержать массивы в части значения пары ключ-значение:

{
    "children": ["Avery","Callie","lucy","Molly"],
    "hobbies": ["swimming","biking","drawing","horseplaying"]
}

Нужно помнить, что объекты заключаются в фигурные скобки { } и содержат пары ключ-значение. Иногда эти значения могут являться массивами. Массивы представляют собой списки и заключаются в квадратные скобки [ ]. Обычно массивы содержат списки объектов, а объекты — массивы.

Tip: Важно понимать разницу между объектами и массивами, потому что это определяет способ доступа и отображения информации. Упражнения с точечной нотацией. которые будут дальше потребуют понимания этой разницы.

Изучаем ответ прогноза погоды

Посмотрим на ответ конечной точки погоды API OpenWeatherMap. Что является объектами? Где находятся массивы? Какие объекты являются вложенными? Какие значения являются логическими значениями а какие строками?

Дополнительная информация

Для дополнительной информации и понимании формата JSON можно изучить страницу json.com

🔙

Go next ➡

Преобразование массива JSON в массив JSON

1

Источник данных

Подготовьте код массива JSON для преобразования в массив JSON. Мы не будем хранить ваши данные.

2

Редактор таблиц

Редактор или конструктор, подобный Excel, позволяет легко редактировать данные предыдущего массива JSON.

3

Генератор таблиц

Скопируйте или загрузите преобразованные данные массива JSON.

Источник данных

• Excel
• CSV
• XML
• Таблица HTML
• Таблица уценки
• Массив JSON
• Вставка SQL
• Вывод запроса MySQL
• Таблица LaTeX

90 025 Таблица MediaWiki

Редактор таблиц

Полноэкранный режим

Генератор таблиц

Следуй за мной

Спонсор

Уценка
Магия
Латекс
SQL
HTML
CSV
Excel
JSON
JSONLines
ASCII
МедиаВики
AsciiDoc
TracWiki
Qlik
ДАКС
Firebase
YAML
XML
Джира
Текстиль
реструктурированный текст
PHP
Рубин
АСП
ActionScript
BBC-код
PDF
JPEG

Разбор JSON

Обратите внимание, что вы можете потерять некоторые цифры или целое число

Минимизация JSON

Помогает сжимать данные JSON

Обертка по «данным»

90 022

Сделать «данные» ключом, результат преобразования значением

Формат JSON

Массив Object2D ArrayColumn ArrayKeyed Массив

Как преобразовать массив JSON в массив JSON онлайн?

1.

Загрузите или вставьте свой массив JSON

Перед использованием конвертера JSON убедитесь, что ваш JSON имеет формат массива объектов. Нажмите JSON Example на панели «Источник данных», чтобы просмотреть демонстрацию. Конечно, помимо вставки, вы также можете нажать Загрузить JSON или перетащить файл JSON.

2.
При необходимости отредактируйте свой массив JSON онлайн

Вы можете редактировать свои данные онлайн, как Excel, с помощью редактора таблиц, и изменения будут преобразованы в массив JSON в режиме реального времени.

3.
Скопируйте преобразованный массив JSON

Данные JSON были сгенерированы в поле генератора таблиц. Этот удобный конвертер по умолчанию выводит массив объектов, в дополнение к этому он также может генерировать различные форматы JSON, такие как 2d-массив, массив столбцов и массив с ключами.

Примечание. Ваши данные в безопасности, преобразование выполняется полностью в вашем веб-браузере, и мы не будем хранить ваши данные.

Что такое JSON?

.json

JSON означает нотацию объектов JavaScript. Файл JSON представляет собой текстовый формат для представления структурированных данных на основе синтаксиса объекта JavaScript.

Что такое JSON?

.json

JSON означает нотацию объектов JavaScript. Файл JSON представляет собой текстовый формат для представления структурированных данных на основе синтаксиса объекта JavaScript.

Могли бы вы порекомендовать этот онлайн-инструмент своим друзьям?

5 звезд
4 звезды
3 звезды
2 звезды
1 звезда

v2.4.2

• 🐛 Исправлены проблемы: Загрузка pdf не работает

• 🐛 Исправлены проблемы: При импорте SQL и вставке нескольких строк между ними нет пробела.

v2.4.1

• 🐛 Исправлены проблемы: вывод API преобразования html пуст

• 🛡️ Экранирование одинарных кавычек при преобразовании в SQLite

  9 0026

• 🚀 Оптимизация производительности API TableConvert

• 🐛 Исправлены проблемы: Шумы при конвертации в div table

v2.

4.0

• ➕ Добавлена ​​поддержка всех конвертеров в API

• 💰 Добавлена ​​новая платная страница с дополнительными функциями для пользователей, которые хотят обновить

• 🚀 Сделано несколько улучшений производительности приложения

• 🔒 Повышена безопасность приложения путем реализации нескольких новых мер безопасности

• 📖 Улучшен документацию, чтобы упростить разработчикам использование API

v2.3.6

• ➕ Добавлен импортер XML, TableConvert теперь поддерживает 10 различных форматов импорта Текстовая таблица

• 🔁 Перевернута логика для таблицы Minify AsciiDoc на основе отзывов @Luis

v2.3.5

• 🗑️ Добавлена ​​кнопка для удаления повторяющихся строк в таблице Редактор

• 🗑️ Кнопки объединения для удаления пустых строк и столбцов

• 🐛 Исправлены проблемы: строка состояния в полноэкранном режиме

• 🐛 Исправлены проблемы: Порядок свойств объекта JSON не тот

v2.

3.4

90 136

v2.3.3

• 🐛 Исправлено, что количество данных меньше порогового значения в конвертерах SQL и DAX

• 🔗 Добавлена ​​кнопка Line share

• 🔄 Шаблон рефакторинга для Magic

• ℹ️ Добавлена ​​всплывающая подсказка для кнопки «Поделиться» генератор поддерживает тип данных автоматической проверки

• ➕ Добавлен генератор таблиц Qlik, теперь можно преобразовать код для встроенных загрузок Qlik

• ➕ Добавлен генератор таблиц DAX. Код для DAX DATATABLE теперь можно преобразовать

v2.

3.1

• тег под объявлением с тегом `

массив — документация JSON Schema 2020-12 90 002

• Предметы
• Проверка кортежа
  • Дополнительные элементы
• Неоцененные предметы
• Содержит
  • minContains / maxContains
• Длина
• Уникальность

Массивы используются для упорядоченных элементов. В JSON каждый элемент в
массив может быть другого типа.

• Информация для конкретного языка:
• Питон
• Рубин

В Python «массив» аналогичен списку 9009.4 или кортеж типа ,
в зависимости от использования. Однако модуль json в Python
стандартная библиотека всегда будет использовать списки Python для представления JSON
массивы.

В Ruby «массив» аналогичен типу Array .

 { "тип": "массив" }
 

 [1, 2, 3, 4, 5]
 

 [3, "разные", { "типы" : "значений" }]
 

 {"Не": "массив"}
 

Массивы обычно используются в JSON двумя способами:

• Проверка списка: последовательность произвольной длины, где каждый
элемент соответствует той же схеме.
• Проверка кортежа: последовательность фиксированной длины, в которой каждый элемент может
иметь другую схему. В этом случае индекс (или расположение)
каждый элемент имеет значение в отношении того, как значение интерпретируется. (Этот
использование часто дается отдельным типом в некоторых программах
языки, такие как кортеж Python ).

Проверка списка полезна для массивов произвольной длины, где каждый
элемент соответствует той же схеме. Для такого массива установите
элемента ключевого слова в единую схему, которая будет использоваться для проверки всех
элементов массива.

В следующем примере мы определяем, что каждый элемент массива является
номер:

 {
  "тип": "массив",
  "предметы": {
    "тип": "число"
  }
}
 

 [1, 2, 3, 4, 5]
 

 [1, 2, "3", 4, 5]
 

Проверка кортежа полезна, когда массив представляет собой набор элементов
где каждый имеет другую схему и порядковый индекс каждого элемента
имеет смысл.

Например, вы можете указать почтовый адрес, например:

 1600 Pennsylvania Avenue NW.
 

в виде четверки вида:

[номер, имя_улицы, тип_улицы, направление]

Каждое из этих полей будет иметь различную схему:

• число : Номер адреса. Должен быть числом.
• street_name : Название улицы. Должна быть строка.
• street_type : Тип улицы. Должна быть строка из
фиксированный набор значений.
• направление : Городской квадрант адреса. Должна быть строка
из другого набора значений.

Для этого мы используем ключевое слово prefixItems . prefixItems является
массив, где каждый элемент представляет собой схему, соответствующую каждому индексу
массив документа. То есть массив, в котором первый элемент
проверяет первый элемент входного массива, второй элемент
проверяет второй элемент входного массива и т. д.

• Информация о проекте:
• Проект 4 - 2019-09

В черновике 4 (2019-09) проверка кортежа выполнялась альтернативным
форма ключевого слова элементов . Когда элемента были массивом
схемы вместо одной схемы, он вел себя так, как
prefixItems ведет себя.

Вот пример схемы:

 {
  "тип": "массив",
  "элементы префикса": [
    { "тип": "число" },
    { "тип": "строка" },
    { "enum": ["Улица", "Авеню", "Бульвар"] },
    { "enum": ["СЗ", "СВ", "ЮЗ", "ЮВ"] }
  ]
}
 

 [1600, «Пенсильвания», «Авеню», «СЗ»]
 

 [24, «Сассекс», «Драйв»]
 

 ["Елисейский дворец"]
 

 [10, «Даунинг», «Улица»]
 

 [1600, «Пенсильвания», «Авеню», «СЗ», «Вашингтон»]
 

Дополнительные элементы

Ключевое слово элементов можно использовать для контроля того, допустимо ли оно для
иметь дополнительные элементы в кортеже помимо того, что определено в
префиксЭлементы . Значение ключевого слова items представляет собой схему, которая
все дополнительные элементы должны быть пройдены для проверки ключевого слова.

• Информация о проекте:
• Проект 4 - 2019-09
• Проект 6 - 2019-09

До черновика 2020-12 вы использовали дополнительных элемента .
ключевое слово для ограничения дополнительных элементов в кортеже. Это работает так же
как пунктов , изменилось только название.

В черновике 6 – 2019-09 ключевое слово AdditionalItems игнорируется, если
отсутствует ключевое слово «проверка кортежа» элементов в
такая же схема.

Здесь мы повторно используем приведенную выше схему примера, но установим
элементы с по false , что приводит к запрету
дополнительные элементы в кортеже.

 {
  "тип": "массив",
  "элементы префикса": [
    { "тип": "число" },
    { "тип": "строка" },
    { "enum": ["Улица", "Авеню", "Бульвар"] },
    { "enum": ["СЗ", "СВ", "ЮЗ", "ЮВ"] }
  ],
  "предметы": ложь
}
 

 [1600, «Пенсильвания», «Авеню», «СЗ»]
 

 [1600, «Пенсильвания», «Авеню»]
 

 [1600, «Пенсильвания», «Авеню», «СЗ», «Вашингтон»]
 

Более сложные ограничения можно выразить с помощью нелогической схемы.
чтобы ограничить, какое значение могут иметь дополнительные предметы. В таком случае мы
можно сказать, что дополнительные элементы разрешены, если они все
строки:

 {
  "тип": "массив",
  "элементы префикса": [
    { "тип": "число" },
    { "тип": "строка" },
    { "enum": ["Улица", "Авеню", "Бульвар"] },
    { "enum": ["СЗ", "СВ", "ЮЗ", "ЮВ"] }
  ],
  "элементы": { "тип": "строка" }
}
 

 [1600, «Пенсильвания», «Авеню», «СЗ», «Вашингтон»]
 

 [1600, «Пенсильвания», «Авеню», «СЗ», 20500]
 

Новое в черновике 2019-09

Документация скоро появится
содержит схему , которую необходимо проверить только по одному или нескольким
элементы в массиве.

 {
   "тип": "массив",
   "содержит": {
     "тип": "число"
   }
}
 

 ["жизнь", "вселенная", "все", 42]
 

 ["жизнь", "вселенная", "все", "сорок два"]
 

 [1, 2, 3, 4, 5]
 

minContains / maxContains

Новое в проекте 2019-09

minContains и maxContains можно использовать с , содержит от до
далее укажите, сколько раз схема соответствует , содержит
ограничение.