第3章数据格式基础（上）

第3章：数据格式基础（上）——JSON结构解析、XML解析与生成、CSV文件读写、YAML配置管理

各位同学，欢迎来到数据格式基础的上半部分。说实话，在医疗设备这个行当里，数据格式就是咱们的通用语言。设备之间要对话，系统之间要传数据，全靠这些格式来搭桥。我做了十几年医疗软件，见过太多因为格式问题导致的故障——有的数据丢了，有的解析错了，最严重的一次差点影响病人数据上报。所以这一章，咱们得把基础打扎实。

3.1 JSON结构解析——轻量级的数据交换王者

JSON，全称JavaScript Object Notation。说白了，就是一种轻量级的数据交换格式。为什么医疗设备特别喜欢它？因为够简单、够直观、解析速度还快。

我个人习惯，在医疗设备的数据接口中，JSON用得最多。比如病人基本信息、设备状态上报、检查结果传输，这些场景JSON都能胜任。

核心要点：JSON由两种结构组成——对象（Object）和数组（Array）。对象用花括号{}包裹，数组用方括号[]包裹。

来看一个典型的医疗设备JSON数据示例：

{
  "deviceId": "DX-2024-001",
  "deviceName": "数字化X光机",
  "status": "online",
  "patientInfo": {
    "patientId": "P20240315001",
    "name": "张三",
    "age": 45,
    "gender": "male",
    "examType": "chest"
  },
  "measurements": [
    {
      "timestamp": "2024-03-15T10:30:00Z",
      "parameter": "kVp",
      "value": 120,
      "unit": "kV"
    },
    {
      "timestamp": "2024-03-15T10:30:01Z",
      "parameter": "mA",
      "value": 200,
      "unit": "mA"
    }
  ]
}

嗯，这里要注意几个关键点。第一，键名必须用双引号包裹。第二，字符串值也必须用双引号。第三，最后一个元素后面不能有逗号。我在项目中遇到过，有个同事在JSON末尾多写了个逗号，结果解析器直接报错，查了半天才发现。

我的小技巧：写JSON的时候，建议用在线校验工具先验证一遍。或者用代码里的JSON库来序列化，别手写。手写容易出错，尤其是嵌套层级多的时候。

解析JSON，在Python里用json模块就行。我一般这么写：

import json

# 从字符串解析
json_str = '{"deviceId": "DX-2024-001", "status": "online"}'
data = json.loads(json_str)
print(data["deviceId"])  # 输出: DX-2024-001

# 从文件读取
with open("device_data.json", "r", encoding="utf-8") as f:
    data = json.load(f)

# 生成JSON字符串
output = json.dumps(data, indent=2, ensure_ascii=False)
print(output)

你想想看，如果不用ensure_ascii=False，中文会被转成Unicode编码，可读性很差。我刚开始做医疗设备项目时就踩过这个坑，病人姓名显示成\u5f20\u4e09，被测试同事吐槽了好久。

3.2 XML解析与生成——老牌工业标准

XML，可扩展标记语言。虽然现在JSON很流行，但在医疗设备领域，XML依然占据重要地位。为什么？因为很多医疗设备标准协议，比如HL7、DICOM，底层都依赖XML。

XML的结构，说白了就是标签套标签。每个标签可以带属性，也可以有子标签。来看一个医疗设备配置的XML示例：

<?xml version="1.0" encoding="UTF-8"?>
<deviceConfiguration>
    <device id="DX-2024-001">
        <name>数字化X光机</name>
        <manufacturer>蓝海医疗</manufacturer>
        <parameters>
            <parameter name="kVp" unit="kV">
                <min>40</min>
                <max>150</max>
                <default>120</default>
            </parameter>
            <parameter name="mA" unit="mA">
                <min>10</min>
                <max>500</max>
                <default>200</default>
            </parameter>
        </parameters>
    </device>
</deviceConfiguration>

解析XML，Python里常用的有xml.etree.ElementTree和lxml。我个人更推荐lxml，功能更强大，处理大文件也更快。

from lxml import etree

# 解析XML字符串
xml_str = '''<device><name>X光机</name></device>'''
root = etree.fromstring(xml_str)
print(root.find("name").text)  # 输出: X光机

# 从文件解析
tree = etree.parse("device_config.xml")
root = tree.getroot()

# 遍历所有参数
for param in root.findall(".//parameter"):
    name = param.get("name")
    default = param.find("default").text
    print(f"参数: {name}, 默认值: {default}")

# 生成XML
new_device = etree.Element("device")
etree.SubElement(new_device, "name").text = "CT扫描仪"
etree.SubElement(new_device, "status").text = "active"
xml_output = etree.tostring(new_device, pretty_print=True, encoding="UTF-8")
print(xml_output.decode())

避坑指南：我曾经在解析XML时，没注意命名空间（namespace），结果find方法一直返回None。查了半天才发现，标签前面有个ns:前缀。处理带命名空间的XML，要用{namespace}tag这种写法。

XML的优点是自描述性强，缺点是冗余信息多，文件体积大。在医疗设备中，我建议：配置文件和协议报文用XML，实时数据传输用JSON。

3.3 CSV文件读写——最朴素的表格数据

CSV，逗号分隔值。别看它简单，在医疗设备中用处可大了。比如导出检查记录、批量导入病人信息、设备日志分析，CSV都是首选。

CSV的格式，说白了就是一行一条记录，每列用逗号隔开。但要注意，如果字段里包含逗号或换行符，需要用双引号包裹。

来看一个病人检查记录的CSV示例：

病人ID,姓名,检查类型,检查日期,检查结果
P001,张三,胸部X光,2024-03-15,正常
P002,李四,腹部CT,2024-03-16,发现结节
P003,王五,心电图,2024-03-16,窦性心律

Python里读写CSV，用内置的csv模块就行。我一般这么写：

import csv

# 写入CSV文件
with open("exam_records.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.writer(f)
    writer.writerow(["病人ID", "姓名", "检查类型", "检查日期", "检查结果"])
    writer.writerow(["P001", "张三", "胸部X光", "2024-03-15", "正常"])
    writer.writerow(["P002", "李四", "腹部CT", "2024-03-16", "发现结节"])

# 读取CSV文件
with open("exam_records.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        print(f"病人{row['姓名']}的检查结果是{row['检查结果']}")

我的经验：用DictReader和DictWriter比普通reader更方便，可以直接用列名访问数据。另外，写入时一定要加newline=""，否则Windows系统下会多出空行。这个坑我踩过不止一次。

CSV的优点是简单、通用，任何表格软件都能打开。缺点是缺乏数据类型定义，所有字段都是字符串。所以在读取后，记得做类型转换。

3.4 YAML配置管理——人类友好的配置文件

YAML，YAML Ain't Markup Language。这个名字挺有意思，递归缩写。YAML的设计目标就是——人类可读性第一。

在医疗设备中，YAML特别适合做配置文件。比如设备参数配置、系统设置、环境变量。为什么？因为YAML支持注释，结构清晰，还支持复杂的数据类型。

来看一个医疗设备系统的YAML配置示例：

# 医疗设备系统配置文件
system:
  name: "蓝海医疗影像系统"
  version: "3.2.1"
  log_level: "INFO"

database:
  host: "192.168.1.100"
  port: 3306
  name: "medical_db"
  user: "admin"
  password: "${DB_PASSWORD}"  # 使用环境变量

device:
  - id: "DX-001"
    type: "X光机"
    ip: "192.168.1.10"
    port: 8080
    enabled: true
  - id: "CT-001"
    type: "CT扫描仪"
    ip: "192.168.1.11"
    port: 8081
    enabled: false

alerts:
  email:
    enabled: true
    recipients:
      - "admin@example.com"
      - "tech@example.com"
  sms:
    enabled: false

解析YAML，Python里用PyYAML库。安装命令：pip install pyyaml。

import yaml

# 读取YAML文件
with open("config.yaml", "r", encoding="utf-8") as f:
    config = yaml.safe_load(f)

print(config["system"]["name"])  # 输出: 蓝海医疗影像系统
print(config["device"][0]["type"])  # 输出: X光机

# 写入YAML文件
config["system"]["version"] = "3.3.0"
with open("config.yaml", "w", encoding="utf-8") as f:
    yaml.dump(config, f, default_flow_style=False, allow_unicode=True)

避坑指南：YAML对缩进非常敏感，必须用空格，不能用Tab。我曾经在项目中，因为编辑器自动把空格转成了Tab，结果YAML解析一直报错。建议在编辑器里设置显示空白字符，一眼就能看出问题。

另外，YAML里布尔值的写法要注意。true、True、TRUE、yes、on都会被解析为布尔值True。如果你想要字符串"true"，记得加引号。

3.5 四种格式的对比与选择

好了，四种格式都讲完了。咱们来做个对比，方便你在实际项目中做选择。

特性	JSON	XML	CSV	YAML
可读性	高	中	高	非常高
解析速度	快	慢	非常快	中
文件大小	小	大	最小	中
支持注释	否	是	否	是
数据类型	丰富	弱	无	丰富
适用场景	API数据交换	标准协议、文档	表格数据导出	配置文件

我个人建议：

实时数据传输：用JSON，解析快、体积小
遵循医疗标准协议：用XML，比如HL7、DICOM
批量数据导出导入：用CSV，通用性强
系统配置文件：用YAML，可读性好、支持注释

核心总结：没有最好的格式，只有最合适的场景。在医疗设备开发中，往往是多种格式混合使用。关键是理解每种格式的特点，知道什么时候该用哪个。

好了，这一章的内容就到这儿。下一章咱们继续讲数据格式的下半部分，包括二进制数据、Protocol Buffers、MessagePack这些更高级的格式。到时候再聊！

📚 课程目录