ArduinoJson项目实战:解析ESP32获取的JSON天气数据
在物联网开发中,ESP32微控制器经常需要与Web API交互并处理JSON格式的响应数据。本文将以一个实际案例,详细介绍如何使用ArduinoJson库解析从天气API获取的JSON数据,提取温度信息。
项目背景
在ESP32开发中,开发者经常需要从各种Web API获取数据。本例中,开发者通过HTTP请求获取了天气API返回的JSON格式数据,需要从中提取当前温度("temp")和体感温度("gtemp")两个关键信息。
JSON数据结构分析
首先我们需要理解获取到的JSON数据结构:
{
"liveweer": [
{
"plaats": "Amsterdam",
"temp": "0.0",
"gtemp": "-6.3",
// 其他天气字段...
}
]
}
这是一个嵌套结构:
- 最外层是一个对象,包含"liveweer"键
- "liveweer"对应的值是一个数组
- 数组中包含一个对象,这个对象包含我们需要的温度数据
使用ArduinoJson解析数据
1. 准备工作
首先确保已安装ArduinoJson库。在Arduino IDE中,可以通过库管理器搜索并安装最新版本。
2. 解析代码实现
以下是完整的解析代码示例:
#include <ArduinoJson.h>
void parseWeatherData(String jsonPayload) {
// 创建JSON文档
DynamicJsonDocument doc(1024); // 根据JSON大小调整缓冲区
// 解析JSON
DeserializationError error = deserializeJson(doc, jsonPayload);
if (error) {
Serial.print("JSON解析失败: ");
Serial.println(error.c_str());
return;
}
// 提取温度数据
JsonObject liveweer = doc["liveweer"][0];
String temp = liveweer["temp"]; // 当前温度
String gtemp = liveweer["gtemp"]; // 体感温度
// 输出结果
Serial.print("当前温度: ");
Serial.println(temp);
Serial.print("体感温度: ");
Serial.println(gtemp);
}
3. 代码解析
-
创建文档对象:
DynamicJsonDocument用于存储解析后的JSON数据,参数1024表示分配的内存大小,应根据实际JSON数据大小调整。 -
解析JSON:
deserializeJson()函数将字符串形式的JSON解析到文档对象中。 -
错误处理:检查
DeserializationError对象,确保解析成功。 -
数据提取:
- 通过
doc["liveweer"][0]访问数组中的第一个(也是唯一一个)天气对象 - 使用
["temp"]和["gtemp"]键获取对应的温度值
- 通过
-
类型处理:由于原始JSON中的温度值是字符串形式(带引号),我们直接提取为String类型。
进阶技巧
处理数值类型
如果API返回的是数值类型(不带引号),可以这样处理:
float temp = liveweer["temp"]; // 直接作为浮点数
float gtemp = liveweer["gtemp"]; // 直接作为浮点数
内存优化
对于固定结构的JSON,可以使用StaticJsonDocument替代DynamicJsonDocument以节省内存:
StaticJsonDocument<512> doc; // 确定足够存储JSON数据
完整HTTP请求示例
结合HTTP请求的完整示例:
#include <WiFi.h>
#include <HTTPClient.h>
#include <ArduinoJson.h>
void getWeatherData() {
HTTPClient http;
http.begin("http://weather.api/endpoint");
int httpCode = http.GET();
if (httpCode == HTTP_CODE_OK) {
String payload = http.getString();
parseWeatherData(payload);
}
http.end();
}
常见问题解决
-
解析失败:检查JSON格式是否正确,确保缓冲区大小足够。
-
内存不足:增大
DynamicJsonDocument的参数值,或使用更小的JSON结构。 -
字段不存在:使用
containsKey()方法检查字段是否存在:if (liveweer.containsKey("temp")) { // 处理温度数据 }
总结
通过ArduinoJson库,我们可以轻松地在ESP32上解析复杂的JSON数据。关键步骤包括:
- 确定JSON数据结构
- 创建适当大小的文档对象
- 解析JSON字符串
- 按层级访问所需数据
- 处理可能的错误情况
这种方法不仅适用于天气数据,也可以应用于各种REST API返回的JSON数据解析场景。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00