Python处理JSON的高效方法

从现在开始，努力学习吧！本文《Python操作JSON的实用技巧》主要讲解了等等相关知识点，我会在golang学习网中持续更新相关的系列文章，欢迎大家关注并积极留言建议。下面就先一起来看一下本篇正文内容吧，希望能帮到你！

Python操作JSON的核心是使用json模块的四个函数。1.json.loads()将JSON字符串转为Python对象；2.json.dumps()将Python对象转为JSON字符串，可设置indent美化格式；3.json.load()从文件读取JSON数据；4.json.dump()将Python数据写入JSON文件。常见问题包括编码错误、数据类型不匹配和JSON解析异常，需注意ensure_ascii=False支持中文、处理布尔值与None的转换及捕获JSONDecodeError。对于嵌套结构，可通过链式访问逐层提取数据，结合.get()方法安全处理缺失字段。

在Python里操作JSON，其实远没有听起来那么复杂。核心就是利用Python自带的json模块，它能帮你轻松实现Python数据结构（比如字典和列表）与JSON字符串之间的转换。无论是从文件读取，还是把数据写入文件，亦或是直接处理内存中的字符串，json模块都提供了直观且强大的接口。

解决方案

要用Python操作JSON，你主要会用到json.loads()、json.dumps()、json.load()和json.dump()这四个函数。

• 从JSON字符串加载数据到Python对象：json.loads() 当你手头有一个JSON格式的字符串，想把它变成Python能理解的字典或列表时，loads（load string的缩写）就是你的首选。

  import json
  
  json_str = '{"name": "张三", "age": 30, "isStudent": false, "courses": ["Math", "Physics"]}'
  data = json.loads(json_str)
  print(data)
  print(type(data))
  # 输出：{'name': '张三', 'age': 30, 'isStudent': False, 'courses': ['Math', 'Physics']}
  # 输出：

• 将Python对象转换为JSON字符串：json.dumps() 反过来，如果你有一个Python字典或列表，想把它序列化成JSON格式的字符串，以便存储、传输或打印，dumps（dump string的缩写）就派上用场了。

  

  import json
  
  py_dict = {
      "title": "Python JSON操作指南",
      "author": "一个爱折腾的开发者",
      "tags": ["Python", "JSON", "数据处理"],
      "version": 1.0
  }
  json_output = json.dumps(py_dict, indent=4, ensure_ascii=False) # indent用于美化输出，ensure_ascii=False支持中文
  print(json_output)
  # 输出：
  # {
  #     "title": "Python JSON操作指南",
  #     "author": "一个爱折腾的开发者",
  #     "tags": [
  #         "Python",
  #         "JSON",
  #         "数据处理"
  #     ],
  #     "version": 1.0
  # }

• 从JSON文件加载数据到Python对象：json.load() 处理文件时，load（注意没有's'）能直接从打开的文件对象中读取JSON数据。这比先读取整个文件内容到字符串再用loads效率更高，也更方便。 假设你有一个名为data.json的文件，内容是：

  {
      "city": "北京",
      "temperature": 25,
      "forecast": ["晴", "多云"]
  }

  import json
  
  try:
      with open('data.json', 'r', encoding='utf-8') as f:
          file_data = json.load(f)
          print(file_data)
          # 输出：{'city': '北京', 'temperature': 25, 'forecast': ['晴', '多云']}
  except FileNotFoundError:
      print("文件 data.json 不存在，请先创建。")

• 将Python对象写入JSON文件：json.dump() 要将Python对象直接写入JSON文件，使用dump。它会帮你处理文件写入的细节，同样可以指定indent参数让文件内容更易读。

  import json
  
  new_data = {
      "product": "智能音箱",
      "price": 399.99,
      "features": ["语音控制", "蓝牙连接", "智能家居"]
  }
  
  with open('output.json', 'w', encoding='utf-8') as f:
      json.dump(new_data, f, indent=4, ensure_ascii=False)
  print("数据已成功写入 output.json 文件。")
  # output.json 的内容会是格式化后的JSON

Python处理JSON数据时常见的错误与应对策略

说实话，刚开始用Python处理JSON，踩坑是常有的事。最常见的几个问题，我个人经验来看，主要集中在编码、数据类型不匹配和错误处理上。

一个很典型的错误就是编码问题。当你从外部文件或网络请求获取JSON数据时，如果文件的编码不是UTF-8，或者你的程序没有正确指定编码，就很容易遇到UnicodeDecodeError。JSON标准建议使用UTF-8，所以我的习惯是，无论读写文件，都明确加上encoding='utf-8'。比如，open('file.json', 'r', encoding='utf-8')。这能省去很多不必要的麻烦。

再来是数据类型映射的理解偏差。Python的None在JSON里对应的是null，Python的True/False对应的是true/false。如果你不小心把Python的布尔值当字符串存进去，或者反过来期望JSON的null能直接被Python识别成某个特定值，就可能出问题。json模块会自动帮你处理这些基本类型的转换，但如果你在Python代码里构造数据时用了非JSON兼容的类型（比如set），json.dumps()就会抛出TypeError。这时候你就得手动转换，比如把set转成list。

最后，也是我经常强调的，错误处理。不是所有的字符串都是合法的JSON。当json.loads()尝试解析一个格式错误的字符串时，它会抛出json.JSONDecodeError。所以，在实际项目中，尤其是在处理用户输入或外部API返回的数据时，一定要用try...except json.JSONDecodeError来捕获这个异常。这样可以防止程序崩溃，并给用户或日志提供有用的错误信息。

import json

malformed_json_str = '{"name": "Alice", "age": 30,' # 少了个 }

try:
    data = json.loads(malformed_json_str)
    print(data)
except json.JSONDecodeError as e:
    print(f"解析JSON失败：{e}")
    print("请检查JSON字符串的格式是否正确。")
# 输出：解析JSON失败：Expecting property name or '}' at line 1 column 28 (char 27)
# 输出：请检查JSON字符串的格式是否正确。

如何优雅地美化和格式化JSON输出？

让JSON输出变得“好看”或者说“易读”，是调试和日志记录时非常重要的一个环节。json模块提供了几个参数，能让你轻松实现这一点。我个人在调试或者需要把JSON内容粘贴到文档里时，都会用到它们。

最常用的就是indent参数。当你把它设置为一个整数（比如4）时，json.dumps()或json.dump()会在每个层级缩进指定数量的空格，并为每个键值对添加换行符，让JSON结构一目了然。

import json

complex_data = {
    "project": "AI助手",
    "developers": [
        {"name": "李华", "role": "前端"},
        {"name": "王明", "role": "后端", "skills": ["Python", "Django", "SQL"]}
    ],
    "status": "开发中",
    "milestones": {
        "phase1": "需求分析",
        "phase2": "原型设计",
        "phase3": "核心功能开发"
    }
}

# 不带缩进的输出，紧凑但难以阅读
print("--- 紧凑输出 ---")
print(json.dumps(complex_data, ensure_ascii=False))

# 带4个空格缩进的输出，非常易读
print("\n--- 格式化输出 (indent=4) ---")
print(json.dumps(complex_data, indent=4, ensure_ascii=False))

除了indent，还有一个sort_keys参数也很有用。当sort_keys设置为True时，输出的JSON中，字典的键会按照字母顺序排序。这对于需要比较两个JSON文件是否完全相同（例如，自动化测试中对比预期输出和实际输出），或者仅仅是为了保持输出的一致性，都非常有帮助。因为JSON对象中的键是无序的，不同次运行dumps可能会得到键顺序不同的字符串，sort_keys=True就能解决这个问题。

import json

data_to_sort = {
    "z_key": 1,
    "a_key": 2,
    "c_key": 3
}

print("\n--- 默认键顺序 (不保证) ---")
print(json.dumps(data_to_sort, indent=2))

print("\n--- 排序后的键顺序 ---")
print(json.dumps(data_to_sort, indent=2, sort_keys=True))

通过这些参数，你可以根据不同的场景需求，灵活地控制JSON输出的格式，让它们要么紧凑高效，要么清晰易读。

处理嵌套JSON数据有哪些技巧？

JSON数据结构最迷人的地方，就是它天然支持嵌套。一个键的值可以是另一个JSON对象，也可以是JSON数组，数组里面又可以包含JSON对象……这种层层叠叠的结构，在表示复杂关系时特别方便。但处理起来，有时候确实会让人感觉像在“剥洋葱”。

核心技巧就是链式访问。Python在把JSON解析成字典和列表后，你就可以像操作普通Python字典和列表一样，一层一层地访问下去。

import json

nested_json_str = """
{
    "company": "TechSolutions Inc.",
    "departments": [
        {
            "name": "研发部",
            "employees": [
                {"id": "001", "name": "王工程师", "projects": ["Project Alpha", "Project Beta"]},
                {"id": "002", "name": "李架构师", "projects": ["Project Gamma"]}
            ],
            "location": {"city": "上海", "building": "A座"}
        },
        {
            "name": "市场部",
            "employees": [
                {"id": "003", "name": "张经理", "campaigns": ["Spring Sale"]}
            ],
            "location": {"city": "北京", "building": "B座"}
        }
    ],
    "established_year": 2010
}
"""

data = json.loads(nested_json_str)

# 访问公司名称
print(f"公司名称: {data['company']}")

# 访问第一个部门的名称
first_department = data['departments'][0]
print(f"第一个部门: {first_department['name']}")

# 访问第一个部门的第二个员工的名字和项目
second_employee = first_department['employees'][1]
print(f"第二个员工: {second_employee['name']}, 参与项目: {second_employee['projects']}")

# 访问第二个部门的城市
second_department_city = data['departments'][1]['location']['city']
print(f"第二个部门所在城市: {second_department_city}")

当数据结构变得非常复杂，或者你不确定某个键是否存在时，使用字典的.get()方法会比直接用[]访问更安全。get()方法允许你提供一个默认值，当键不存在时返回这个默认值，而不是抛出KeyError。这在处理可能缺失字段的JSON数据时尤其有用。

# 假设我们想获取一个可能不存在的部门
try:
    non_existent_department = data['departments'][2] # 索引2不存在
    print(non_existent_department)
except IndexError:
    print("部门索引超出范围。")

# 使用 .get() 访问可能不存在的键
# 尝试获取一个不存在的员工ID
employee_id = data['departments'][0]['employees'][0].get('employee_id', 'N/A')
print(f"员工ID (可能不存在): {employee_id}") # 输出：员工ID (可能不存在): N/A

# 尝试获取一个不存在的部门名称，返回None
non_existent_dept_name = data.get('non_existent_department', {}).get('name')
print(f"不存在的部门名称: {non_existent_dept_name}") # 输出：不存在的部门名称: None

对于非常深层或结构不固定的JSON，你可能需要编写递归函数来遍历整个结构，或者考虑使用jsonpath这样的第三方库，它们提供了类似XPath的查询语言来定位JSON中的特定元素。但对于大多数日常任务，掌握链式访问和.get()方法，就已经足够应对了。

以上就是《Python处理JSON的高效方法》的详细内容，更多关于的资料请关注golang学习网公众号！