Python解析JSON数据技巧:json模块进阶
Python的json模块远不止基础的loads()和dumps()——掌握其进阶技巧,能让你在真实开发中安全、高效、灵活地处理JSON数据:通过自定义default函数实现类实例的无缝序列化,利用object_hook精准还原为对象;用ensure_ascii=False保留中文可读性,配合显式UTF-8编码避免文件读写乱码;更关键的是,通过parse_float/parse_int等参数加固解析过程,防范恶意JSON引发的安全与性能风险,彻底告别eval系危险操作。

Python的json模块不只是loads()和dumps()这么简单——掌握进阶用法,能帮你更稳、更快、更灵活地处理真实场景中的JSON数据。
自定义对象序列化:让类实例变JSON
默认情况下,json.dumps()无法直接处理自定义类实例,会报TypeError: Object of type XXX is not JSON serializable。解决方法是提供default参数,告诉JSON编码器“遇到不认识的类型时怎么转”:
示例:将Person类转为JSON
import jsonclass Person: def init(self, name, age): self.name = name self.age = age
def person_to_dict(obj): if isinstance(obj, Person): return {'name': obj.name, 'age': obj.age} raise TypeError(f"Object of type {type(obj).name} is not JSON serializable")
data = Person("Alice", 30) json_str = json.dumps(data, default=person_to_dict, indent=2) print(json_str)
输出:
{
"name": "Alice",
"age": 30
}
反序列化时还原对象:从JSON重建实例
json.loads()默认只返回字典或列表,若想还原成具体类对象,可用object_hook参数——它会在每个JSON对象(即每个dict)解析完成后被调用:
- 定义一个函数,接收解析后的
dict,判断是否应构造某类实例 - 返回原始
dict(不做处理)或返回新创建的对象
示例:把含"type"字段的JSON自动转为对应类实例
def dict_to_obj(d):
if d.get("type") == "person":
return Person(d["name"], d["age"])
return d # 其他情况保持原样
json_data = '{"type": "person", "name": "Bob", "age": 25}'
obj = json.loads(json_data, object_hook=dict_to_obj)
print(type(obj), obj.name) # main.Person'> Bob
处理中文、特殊字符与编码细节
默认json.dumps()会把非ASCII字符(如中文)转义为\uXXXX格式,影响可读性。用ensure_ascii=False即可保留原文:
json.dumps(data, ensure_ascii=False)→ 输出中文而非\u4f60\u597d- 写入文件时,务必显式指定
encoding='utf-8',避免平台默认编码出错 - 读取文件时也建议用
open(..., encoding='utf-8')打开,再传给json.load()
另外,sort_keys=True能让键名有序输出,便于比对;indent=2提升可读性,调试时很实用。
安全解析不可信JSON:避免执行危险操作
来自外部(如API、用户上传)的JSON可能含恶意结构(例如超深嵌套、超大数组),导致内存溢出或拒绝服务。标准json模块不带限流机制,但可通过以下方式加固:
- 用
json.loads(s, parse_float=str, parse_int=str)防止数字过大引发精度丢失或异常 - 结合
sys.setrecursionlimit()限制嵌套深度(需谨慎,影响全局) - 更稳妥的做法:先用
json.scanner.make_scanner()手动扫描,或改用第三方库如ijson流式解析大文件 - 永远不要用
eval()或ast.literal_eval()代替json.loads()——它们不校验JSON语法,有代码注入风险
今天关于《Python解析JSON数据技巧:json模块进阶》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于的内容请关注golang学习网公众号!
PHPEnv数据库不存在怎么解决
- 上一篇
- PHPEnv数据库不存在怎么解决
- 下一篇
- Linux追踪路由路径方法及traceroute使用教程
-
- 文章 · python教程 | 8小时前 |
- Python logging Formatter 统一结构化字段输出
- 185浏览 收藏
-
- 文章 · python教程 | 9小时前 | 配置 · python · Python教程 · 配置管理 Python 3.15 frozendict 不可变映射
- Python 3.15 frozendict 内置类型的配置使用场景
- 192浏览 收藏
-
- 文章 · python教程 | 12小时前 | 序列化 · python · Python pickle 进程池 multiprocessing Pool
- Python multiprocessing 进程池传递不可序列化对象
- 255浏览 收藏
-
- 文章 · python教程 | 13小时前 | 数据一致性 · Python教程 · Python 事务 自动提交 sqlite3 autocommit isolation_level
- Python sqlite3 事务模式与自动提交边界
- 197浏览 收藏
-
- 文章 · python教程 | 14小时前 |
- Python contextlib.nullcontext 统一同步异步入口
- 316浏览 收藏
-
- 文章 · python教程 | 14小时前 | 面向对象 · python · Python教程 · InitVar __post_init__ Python dataclass 派生字段 field(init=False)
- Python dataclass __post_init__ 计算派生字段
- 303浏览 收藏
-
- 文章 · python教程 | 15小时前 |
- Python typing.TypeGuard 处理复杂容器类型收窄
- 437浏览 收藏
-
- 文章 · python教程 | 17小时前 |
- Python os.fspath 支持自定义路径对象
- 214浏览 收藏
-
- 文章 · python教程 | 19小时前 | 异常处理 · 异步编程 · Python教程 · asyncio · 后台任务 任务取消 CancelledError Python asyncio asyncio.shield
- Python asyncio.shield 保护后台任务免受外层取消
- 407浏览 收藏
-
- 文章 · python教程 | 21小时前 |
- Python configparser ExtendedInterpolation 组织分层配置
- 480浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 414次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 495次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 502次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 449次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 280次使用
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

