使用Pandas转换Google Places API返回的JSON为Excel时全内容存入单个单元格如何解决
问题原因
你现在导出的Excel把全量JSON塞到单个单元格,本质是两个操作错误导致的:
- 无意义引入BeautifulSoup处理纯JSON接口响应:Google Places Autocomplete返回的是纯JSON文本,不是HTML结构,套BeautifulSoup转字符串的操作不仅多余,还容易因为HTML标签自动包裹、特殊字符转义导致JSON解析异常
- 读取JSON构造DataFrame时没有定位到实际存条目的数组节点:你的JSON顶层是两个键
predictions(存储所有地点信息的数组)和status(接口返回状态字符串),直接把整个顶层结构传给pandas,会被识别为“一个单元格存整个嵌套结构”,没法自动拆成多列多行的表格。
解决方案
不需要给原有pd.read_json调用添加额外参数就能解决问题,核心错误不是参数配置不对,是你把带嵌套数组的整个JSON顶层结构直接传给了pandas,换用结构定位+拆平的方式就能得到符合预期的表格。
精简冗余请求逻辑
删掉BeautifulSoup相关的代码,直接用requests内置的JSON解析能力拿数据,省掉转义、手动load JSON的步骤。
正确构造DataFrame
不要直接读整个JSON文件生成DataFrame,先取出predictions对应的数组,再用*pd.json_normalize*做结构拆平——这个函数会自动把嵌套对象(比如structured_formatting里的字段)拆成独立列,和在线JSON转换工具的输出效果完全一致。
可直接运行的修改后代码
newUrl = webUrl + 'json?input=' + searchString + '&offset=0&components=country:us&key=' + apiKey r = requests.get(newUrl) # 直接解析响应JSON,不需要BeautifulSoup resp_data = r.json() # 取出实际存储地点条目的数组 prediction_list = resp_data["predictions"] # 自动拆平嵌套结构生成DataFrame df = pd.json_normalize(prediction_list) # 把数组类型的字段转成可读字符串,比如types、matched_substrings这类嵌套数组 df['types'] = df['types'].apply(lambda x: ', '.join(x) if isinstance(x, list) else x) # 导出Excel文件 df.to_excel('output.xlsx', index=False)
如果你一定要先把JSON存到本地文件再处理,不需要改文件写入逻辑,只要在构造DataFrame前先取出predictions字段就行,写法参考:
# 先把数据写入本地文件 with open("python/captones/nydata.json", "w", encoding="utf-8") as f: json.dump(resp_data, f, ensure_ascii=False) # 读文件时不要直接调用read_json,先读出完整结构再取目标数组 with open("python/captones/nydata.json", "r", encoding="utf-8") as f: saved_data = json.load(f) df = pd.json_normalize(saved_data["predictions"])
内容的提问来源于stack exchange,提问作者Frank Fiumara
相关产品推荐
相关产品推荐

