JS拼接html字符串時傳入JSON對象的格式

JS中拼接html字符串，遇到的坑往往是由書寫格式引起的

注意以下幾點：

單雙引號需嵌套使用；
傳入 JSON 對象需要使用 JSON.stringify() 序列化為一個 JSON 字符串，并且更需要注意單雙引號嵌套問題。

示例：

let html = "";
for(var i=0;i<data.length;i++){
 html += '<tr>'+
 '<td>'+ data[i].appName +'</td>'+
 '<td>'+ '<button type="button" onclick="edit('+JSON.stringify(data[i]).replace(/\"/g,"'")+')">按鈕1</button>'+'</td>'+
 '<td>'+ "<button type='button' onclick='del("+JSON.stringify(data[i])+")'>按鈕2</button>"+'</td>'+
 +'</tr>'
}

上述代碼中，使用了兩種不同的引號嵌套格式。按鈕1外層使用單引號，因此需要將JSON字符串中所有雙引號轉化成單引號，比較繁瑣。從語法角度考慮，JavaScript 字符串與 JSON 字符串的最大區別在于，JSON 字符串必須使用雙引號（單引號會導致語法錯誤），因此不推薦此寫法。

推薦第二種寫法，直接在外層嵌套雙引號，無需進行額外操作。

son 簡介：

Json，全名 JavaScript Object Notation,JSON(JavaScript Object Notation(記號、標記))是一種輕量級的數據交換格式。它基于JavaScript（Standard ECMA-262 3rd Edition - December 1999）的一個子集。 (文末有驚喜)

JSON采用完全獨立于語言的文本格式，但是也使用了類似于C語言家族的習慣（包括C, C++, C#, Java, JavaScript, Perl, Python等）。這些特性使JSON成為理想的數據交換語言。JSON易于人閱讀和編寫，同時也易于機器解析和生成。常用于 http 請求中，接口

數據類型

用Python處理json也很簡單，Python自帶有json模塊。可以對python對象與json字符串進行相互轉換。

python的常見內置數據類型有dict,tuple等，而在json中，數據類型有object，array等，在相互轉換中，類型是一一對應的。在下表中的python數據類型才可以被轉為json，集合set、字節byte不能轉為json。

Python數據類型	JSON數據類型	說明
dict	object	都用花括號{}表示
list,tuple	array	JSON用中括號[]表示
str	string	JSON用雙引號""表示
int,float	number
True	true
False	false
None	null

json模塊的主要4個函數。

方法	解釋
json.dumps	解析python對象為json字符串
json.dump	解析python對象，輸出到json文件
json.loads	解析json字符串為python對象
json.load	輸入json文件，解析為python對象

json.dumps

json.dumps方法提供了很多好用的參數可供選擇，比較常用的有sort_keys（對dict對象進行排序，我們知道默認dict是無序存放的），skipkeys（對于鍵不是基本類型Python字典鍵值對將被過濾），indent（格式化輸出用的）等參數。還是舉個例子：

>> python_obj2={"key2": [4, 5, 6], "key1": [1, 2, 3]}
>>> json_str2=json.dumps(python_obj2)
>>> json_str2=json.dumps(python_obj2,sort_keys=True,indent=2)
>>> print json_str2
{
  "key1": [
    
>> python_obj2={"key2": [4, 5, 6], "key1": [1, 2, 3]}
>>> json_str2=json.dumps(python_obj2)
>>> json_str2=json.dumps(python_obj2,sort_keys=True,indent=2)
>>> print json_str2
{
  "key1": [
    1, 
    2, 
    3
  ], 
  "key2": [
    4, 
    5, 
    6
  ]
}
>>> json_str2=json.dumps(python_obj2,sort_keys=False,indent=2)
>>> print json_str2
{
  "key2": [
    4, 
    5, 
    6
  ], 
  "key1": [
    1, 
    2, 
    3
  ]
}

在python中解析python對象為json字符串，使用json.dumps方法。其中indent參數表示縮進，可以優化json輸出格式。

yimport json
# 創建python list對象
obj = [{'a': 1, 'b': {'aa': 11, 'bb': 22}}, {'b': (False,True,None)}]
# 解析python對象，設置縮進
print(json.dumps(obj,indent=4))

[
    {
        "a": 1,
        "b": {
            "aa": 11,
            "bb": 22
        }
    },
    {
        "b": [
            false,
            true,
            null
        ]
    }
]

注意點：

python字符的單引號被轉為雙引號
關鍵字False,True,None對應被轉為false,true,null
元組被轉為數組
解析后的json本質是字符串

在實際的項目開發中，使用到的python對象可能不止內置的對象，還有可能使用如numpy，pandas，datetime等高頻使用的庫。如下，將numpy的int32類型的1轉為json，發現報錯TypeError: Object of type int32 is not JSON serializable，這種類型的報錯在python對象轉json過程中是非常常見的，報錯解釋是輸入的類型不能序列化。

# 解析python對象，會報錯
json.dumps(np.int32(1))

Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "C:\Anaconda3\lib\json\__init__.py", line 231, in dumps
    return _default_encoder.encode(obj)
  File "C:\Anaconda3\lib\json\encoder.py", line 199, in encode
    chunks = self.iterencode(o, _one_shot=True)
  File "C:\Anaconda3\lib\json\encoder.py", line 257, in iterencode
    return _iterencode(o, 0)
  File "C:\Anaconda3\lib\json\encoder.py", line 179, in default
    raise TypeError(f'Object of type {o.__class__.__name__} '
TypeError: Object of type int32 is not JSON serializable

該類問題的解決辦法有兩種，一是在數據源處做類型強制轉換，如可以用內置的int方法把numpy的int32轉為int。

# 解析python對象，強制類型轉換
json.dumps(int(np.int32(1)))
'1'

另外一種方法更為靈活（推薦），設置json.dumps參數cls，cls參數輸入為類，可以重寫jsoneEncoder類中的default方法。

# 自定義類
class MyEncoder(json.JSONEncoder):
    """
    重寫json模塊JSONEncoder類中的default方法
    """
    def default(self, obj):
        # np整數轉為內置int
        if isinstance(obj, np.integer):
            return int(obj)
        else:
            return super(JetEncoder, self).default(obj)

# 解析python對象，設置cls參數
json.dumps(np.int32(1),cls=MyEncoder)
'1'

第二種方法靈活性更好，可以根據項目情況自定義需要轉換的類型，當有多個地方需要轉換時，通用性更好。

json.dump

json.dump用于保存python對象為json文件。obj.json文件中會保存解析obj后的json字符串。

# python list對象
print(obj)
[{'a': 1, 'b': {'aa': 11, 'bb': 22}}, {'b': (False, True, None)}]
# 解析python對象并輸出到json文件
with open('obj.json','w') as f:
    json.dump(obj,f)

json.loads

json.loads用于加載json字符串，然后解析成python對象。

json_str='{"a":1,"b":{"aa":11,"bb":22}}'
# 解析json字符串為python對象
json.loads(json_str)
{'a': 1, 'b': {'aa': 11, 'bb': 22}}

json.load

json.load用于加載json文件，然后解析成python對象。

# 解析python對象，輸出到json文件
with open('obj.json','r') as f:
    print(json.load(f))
[{'a': 1, 'b': {'aa': 11, 'bb': 22}}, {'b': [False, True, None]}]

需要下面的資料的，還有更多課件資源的，請私信我“666”領取！！！

私信我還有更多驚喜哦！！！

譯自： https://opensource.com/article/18/6/mqtt
作者： Sean Dague
譯者： Andy Song

從開源數據到開源事件流，了解一下 MQTT 發布/訂閱（pubsub）線路協議。

去年 11 月我們購買了一輛電動汽車，同時也引發了有趣的思考：我們應該什么時候為電動汽車充電？對于電動汽車充電所用的電，我希望能夠對應最小的二氧化碳排放，歸結為一個特定的問題：對于任意給定時刻，每千瓦時對應的二氧化碳排放量是多少，一天中什么時間這個值最低？

尋找數據

我住在紐約州，大約 80% 的電力消耗可以自給自足，主要來自天然氣、水壩（大部分來自于尼亞加拉(Niagara)大瀑布）、核能發電，少部分來自風力、太陽能和其它化石燃料發電。非盈利性組織紐約獨立電網運營商(New York Independent System Operator) （NYISO）負責整個系統的運作，實現發電機組發電與用電之間的平衡，同時也是紐約路燈系統的監管部門。

盡管沒有為公眾提供公開 API，NYISO 還是盡責提供了不少公開數據供公眾使用。每隔 5 分鐘匯報全州各個發電機組消耗的燃料數據。數據以 CSV 文件的形式發布于公開的檔案庫中，全天更新。如果你了解不同燃料對發電瓦數的貢獻比例，你可以比較準確的估計任意時刻的二氧化碳排放情況。

在構建收集處理公開數據的工具時，我們應該時刻避免過度使用這些資源。相比將這些數據打包并發送給所有人，我們有更好的方案。我們可以創建一個低開銷的事件流(event stream)，人們可以訂閱并第一時間得到消息。我們可以使用 MQTT 實現該方案。我的項目（ ny-power.org ）目標是收錄到 Home Assistant 項目中；后者是一個開源的家庭自動化(home automation)平臺，擁有數十萬用戶。如果所有用戶同時訪問 CSV 文件服務器，估計 NYISO 不得不增加訪問限制。

MQTT 是什么？

MQTT 是一個發布訂閱線路協議(publish/subscription wire protocol)，為小規模設備設計。發布訂閱系統工作原理類似于消息總線。你將一條消息發布到一個主題(topic)上，那么所有訂閱了該主題的客戶端都可以獲得該消息的一份拷貝。對于消息發送者而言，無需知道哪些人在訂閱消息；你只需將消息發布到一系列主題，并訂閱一些你感興趣的主題。就像參加了一場聚會，你選取并加入感興趣的對話。

MQTT 能夠構建極為高效的應用。客戶端訂閱有限的幾個主題，也只收到它們感興趣的內容。不僅節省了處理時間，還降低了網絡帶寬使用。

作為一個開放標準，MQTT 有很多開源的客戶端和服務端實現。對于你能想到的每種編程語言，都有對應的客戶端庫；甚至有嵌入到 Arduino 的庫，可以構建傳感器網絡。服務端可供選擇的也很多，我的選擇是 Eclipse 項目提供的 Mosquitto 服務端，這是因為它體積小、用 C 編寫，可以承載數以萬計的訂閱者。

為何我喜愛 MQTT

在過去二十年間，我們為軟件應用設計了可靠且準確的模型，用于解決服務遇到的問題。我還有其它郵件嗎？當前的天氣情況如何？我應該此刻購買這種產品嗎？在絕大多數情況下，這種問答式(ask/receive)的模型工作良好；但對于一個數據爆炸的世界，我們需要其它的模型。MQTT 的發布訂閱模型十分強大，可以將大量數據發送到系統中。客戶可以訂閱數據中的一小部分并在訂閱數據發布的第一時間收到更新。

MQTT 還有一些有趣的特性，其中之一是遺囑(last-will-and-testament)消息，可以用于區分兩種不同的靜默，一種是沒有主題相關數據推送，另一種是你的數據接收器出現故障。MQTT 還包括保留消息(retained message)，當客戶端初次連接時會提供相關主題的最后一條消息。這對那些更新緩慢的主題來說很有必要。

我在 Home Assistant 項目開發過程中，發現這種消息總線模型對異構系統(heterogeneous systems)尤為適合。如果你深入物聯網(Internet of Things)領域，你會發現 MQTT 無處不在。

我們的第一個 MQTT 流

NYSO 公布的 CSV 文件中有一個是實時的燃料混合使用情況。每 5 分鐘，NYSO 發布這 5 分鐘內發電使用的燃料類型和相應的發電量（以兆瓦為單位）。

這個 CSV 文件看起來像這樣：

表中唯一令人不解就是燃料類別中的混合燃料。紐約的大多數天然氣工廠也通過燃燒其它類型的化石燃料發電。在冬季寒潮到來之際，家庭供暖的優先級高于發電；但這種情況出現的次數不多，（在我們計算中）可以將混合燃料類型看作天然氣類型。

CSV 文件全天更新。我編寫了一個簡單的數據泵，每隔 1 分鐘檢查是否有數據更新，并將新條目發布到 MQTT 服務器的一系列主題上，主題名稱基本與 CSV 文件有一定的對應關系。數據內容被轉換為 JSON 對象，方便各種編程語言處理。

ny-power/upstream/fuel-mix/Hydro {"units": "MW", "value": 3229, "ts": "05/09/2018 00:05:00"}
ny-power/upstream/fuel-mix/Dual Fuel {"units": "MW", "value": 1400, "ts": "05/09/2018 00:05:00"}
ny-power/upstream/fuel-mix/Natural Gas {"units": "MW", "value": 2144, "ts": "05/09/2018 00:05:00"}
ny-power/upstream/fuel-mix/Other Fossil Fuels {"units": "MW", "value": 4, "ts": "05/09/2018 00:05:00"}
ny-power/upstream/fuel-mix/Wind {"units": "MW", "value": 41, "ts": "05/09/2018 00:05:00"}
ny-power/upstream/fuel-mix/Other Renewables {"units": "MW", "value": 226, "ts": "05/09/2018 00:05:00"}
ny-power/upstream/fuel-mix/Nuclear {"units": "MW", "value": 4114, "ts": "05/09/2018 00:05:00"}

這種直接的轉換是種不錯的嘗試，可將公開數據轉換為公開事件。我們后續會繼續將數據轉換為二氧化碳排放強度，但這些原始數據還可被其它應用使用，用于其它計算用途。

MQTT 主題

主題和主題結構(topic structure)是 MQTT 的一個主要特色。與其它標準的企業級消息總線不同，MQTT 的主題無需事先注冊。發送者可以憑空創建主題，唯一的限制是主題的長度，不超過 220 字符。其中 / 字符有特殊含義，用于創建主題的層次結構。我們即將看到，你可以訂閱這些層次中的一些分片。

基于開箱即用的 Mosquitto，任何一個客戶端都可以向任何主題發布消息。在原型設計過程中，這種方式十分便利；但一旦部署到生產環境，你需要增加訪問控制列表(access control list)（ACL）只允許授權的應用發布消息。例如，任何人都能以只讀的方式訪問我的應用的主題層級，但只有那些具有特定憑證(credentials)的客戶端可以發布內容。

主題中不包含自動樣式(automatic schema)，也沒有方法查找客戶端可以發布的全部主題。因此，對于那些從 MQTT 總線消費數據的應用，你需要讓其直接使用已知的主題和消息格式樣式。

那么應該如何設計主題呢？最佳實踐包括使用應用相關的根名稱，例如在我的應用中使用 ny-power。接著，為提高訂閱效率，構建足夠深的層次結構。upstream 層次結構包含了直接從數據源獲取的、不經處理的原始數據，而 fuel-mix 層次結構包含特定類型的數據；我們后續還可以增加其它的層次結構。

訂閱主題

在 MQTT 中，訂閱僅僅是簡單的字符串匹配。為提高處理效率，只允許如下兩種通配符：

# 以遞歸方式匹配，直到字符串結束
+ 匹配下一個 / 之前的內容

為便于理解，下面給出幾個例子：

ny-power/# - 匹配 ny-power 應用發布的全部主題
ny-power/upstream/# - 匹配全部原始數據的主題
ny-power/upstream/fuel-mix/+ - 匹配全部燃料類型的主題
ny-power/+/+/Hydro - 匹配全部兩次層級之后為 Hydro 類型的主題（即使不位于 upstream 層次結構下）

類似 ny-power/# 的大范圍訂閱適用于低數據量(low-volume)的應用，應用從網絡獲取全部數據并處理。但對高數據量(high-volume)應用而言則是一個災難，由于絕大多數消息并不會被使用，大部分的網絡帶寬被白白浪費了。

在大數據量情況下，為確保性能，應用需要使用恰當的主題篩選（如 ny-power/+/+/Hydro）盡量準確獲取業務所需的數據。

增加我們自己的數據層次

接下來，應用中的一切都依賴于已有的 MQTT 流并構建新流。第一個額外的數據層用于計算發電對應的二氧化碳排放。

利用美國能源情報署(U.S. Energy Information Administration) 給出的 2016 年紐約各類燃料發電及排放情況，我們可以給出各類燃料的平均排放率，單位為克/兆瓦時。

上述結果被封裝到一個專用的微服務中。該微服務訂閱 ny-power/upstream/fuel-mix/+，即數據泵中燃料組成情況的原始數據，接著完成計算并將結果（單位為克/千瓦時）發布到新的主題層次結構上：

ny-power/computed/co2 {"units": "g / kWh", "value": 152.9486, "ts": "05/09/2018 00:05:00"}

接著，另一個服務會訂閱該主題層次結構并將數據打包到 InfluxDB 進程中；同時，發布 24 小時內的時間序列數據到 ny-power/archive/co2/24h 主題，這樣可以大大簡化當前變化數據的繪制。

這種層次結構的主題模型效果不錯，可以將上述程序之間的邏輯解耦合。在復雜系統中，各個組件可能使用不同的編程語言，但這并不重要，因為交換格式都是 MQTT 消息，即主題和 JSON 格式的消息內容。

從終端消費數據

為了更好的了解 MQTT 完成了什么工作，將其綁定到一個消息總線并查看消息流是個不錯的方法。mosquitto-clients 包中的 mosquitto_sub 可以讓我們輕松實現該目標。

安裝程序后，你需要提供服務器名稱以及你要訂閱的主題。如果有需要，使用參數 -v 可以讓你看到有新消息發布的那些主題；否則，你只能看到主題內的消息數據。

mosquitto_sub -h mqtt.ny-power.org -t ny-power/# -v

只要我編寫或調試 MQTT 應用，我總會在一個終端中運行 mosquitto_sub。

從網頁直接訪問 MQTT

到目前為止，我們已經有提供公開事件流的應用，可以用微服務或命令行工具訪問該應用。但考慮到互聯網仍占據主導地位，因此讓用戶可以從瀏覽器直接獲取事件流是很重要。

MQTT 的設計者已經考慮到了這一點。協議標準支持三種不同的傳輸協議： TCP 、 UDP 和 WebSockets 。主流瀏覽器都支持 WebSockets，可以維持持久連接，用于實時應用。

Eclipse 項目提供了 MQTT 的一個 JavaScript 實現，叫做 Paho ，可包含在你的應用中。工作模式為與服務器建立連接、建立一些訂閱，然后根據接收到的消息進行響應。

// ny-power web console application
var client = new Paho.MQTT.Client(mqttHost, Number("80"), "client-" + Math.random());
// set callback handlers
client.onMessageArrived = onMessageArrived;
// connect the client
client.reconnect = true;
client.connect({onSuccess: onConnect});
// called when the client connects
function onConnect() {
// Once a connection has been made, make a subscription and send a message.
console.log("onConnect");
client.subscribe("ny-power/computed/co2");
client.subscribe("ny-power/archive/co2/24h");
client.subscribe("ny-power/upstream/fuel-mix/#");
}
// called when a message arrives
function onMessageArrived(message) {
console.log("onMessageArrived:"+message.destinationName + message.payloadString);
if (message.destinationName == "ny-power/computed/co2") {
var data = JSON.parse(message.payloadString);
$("#co2-per-kwh").html(Math.round(data.value));
$("#co2-units").html(data.units);
$("#co2-updated").html(data.ts);
}
if (message.destinationName.startsWith("ny-power/upstream/fuel-mix")) {
fuel_mix_graph(message);
}
if (message.destinationName == "ny-power/archive/co2/24h") {
var data = JSON.parse(message.payloadString);
var plot = [
{
x: data.ts,
y: data.values,
type: 'scatter'
}
];
var layout = {
yaxis: {
title: "g CO2 / kWh",
}
};
Plotly.newPlot('co2_graph', plot, layout);
}

上述應用訂閱了不少主題，因為我們將要呈現若干種不同類型的數據；其中 ny-power/computed/co2 主題為我們提供當前二氧化碳排放的參考值。一旦收到該主題的新消息，網站上的相應內容會被相應替換。

ny-power.org 網站提供的 NYISO 二氧化碳排放圖。

ny-power/archive/co2/24h 主題提供了時間序列數據，用于為 Plotly 線表提供數據。ny-power/upstream/fuel-mix 主題提供當前燃料組成情況，為漂亮的柱狀圖提供數據。

ny-power.org 網站提供的燃料組成情況。

這是一個動態網站，數據不從服務器拉取，而是結合 MQTT 消息總線，監聽對外開放的 WebSocket。就像數據泵和打包器程序那樣，網站頁面也是一個發布訂閱客戶端，只不過是在你的瀏覽器中執行，而不是在公有云的微服務上。

你可以在 http://ny-power.org 站點點看到動態變更，包括圖像和可以看到消息到達的實時 MQTT 終端。

繼續深入

ny-power.org 應用的完整內容開源在 GitHub 中。你也可以查閱架構簡介，學習如何使用 Helm 部署一系列 Kubernetes 微服務構建應用。另一個有趣的 MQTT 示例使用 MQTT 和 OpenWhisk 進行實時文本消息翻譯，代碼模式(code pattern)參考鏈接。

MQTT 被廣泛應用于物聯網領域，更多關于 MQTT 用途的例子可以在 Home Assistant 項目中找到。

如果你希望深入了解協議內容，可以從 mqtt.org 獲得該公開標準的全部細節。

想了解更多，可以參加 Sean Dague 在 OSCON 上的演講，主題為將 MQTT 加入到你的工具箱，會議將于 7 月 16-19 日在奧爾良州波特蘭舉辦。

via: https://opensource.com/article/18/6/mqtt

作者： Sean Dague 選題： lujun9972 譯者： pinewall 校對： wxy

本文由 LCTT 原創編譯， Linux中國榮譽推出

點擊“了解更多”可訪問文內鏈接

在線咨詢

上一篇：初識Flutter中的Layer
下一篇：筆記篇-如何靈活地使用HTML標簽？

您的項目需求

*請認真填寫需求信息，我們會在24小時內與您取得聯系。

整合營銷服務商