Python json解析金额 JSON 保留 Decimal的实现方法
订单接口把金额写成 19.90 时,如果先让 Python 按默认规则解析成 float,后面的计算和格式化就可能带上二进制浮点的误差。处理这类 JSON,关键不是解析后再把 float 包一层,而是在 json.loads() 阶段把 decimal.Decimal 作为 parse_float 回调传进去,让字面量直接进入十进制对象。
parse_float接收每个 JSON 小数字面量的字符串,默认行为相当于float(num_str)。- 传入
Decimal后,嵌套对象中的小数也会保持为Decimal;JSON 整数仍由parse_int处理。 - 金额计算阶段不要混入
float;重新输出 JSON 时,要单独决定字符串编码还是自定义编码器。
步骤一:先看默认 float 为什么不适合金额
Python 标准库 json 默认把 JSON 的 real number 解析为 float。浮点数适合测量值和一般计算,但金额常需要保留十进制字面量的精度与尾随零。Decimal 以十进制模型工作,能把 JSON 文本中的 19.90 按十进制意义保存下来。
这里的范围要先划清:parse_float 只处理带小数点或指数形式的 JSON 数字。像 100 这样的整数仍然走默认的 int,不会因为传了 parse_float 就自动变成 Decimal。

步骤二:把 Decimal 直接交给 parse_float
最小写法就是把 Decimal 本身作为回调。文档所说的“回调接收字符串”很重要:Decimal 收到的是 JSON 中的文本 "19.90",不是已经被 float 污染过的二进制结果。
import json
from decimal import Decimal
payload = '{"order_id": 1001, "subtotal": 19.90, "discount": 0.10}'
# 让 JSON 小数字面量直接构造 Decimal,避免先经过 float。
order = json.loads(payload, parse_float=Decimal)
# parse_float 不接管整数;order_id 仍是 int。
subtotal = order["subtotal"]
discount = order["discount"]
payable = subtotal - discount
print(type(subtotal).__name__) # Decimal
print(order["order_id"].__class__.__name__) # int
print(payable) # 19.80
这个例子里,Decimal("19.90") 和 Decimal("0.10") 都保留了输入的有效位信息,减法结果也能显示为 19.80。如果金额来自外部接口,建议把这一层解析逻辑放在输入边界,不要让业务代码到处猜字段类型。
步骤三:嵌套字段和异常输入仍按 JSON 规则处理
parse_float 不是只对顶层键生效。数组、嵌套字典和列表里的每个 JSON 小数都会调用同一个回调。它也不负责字段校验:缺少 amount、金额为字符串、或者业务上不允许负数,都应该交给后续的领域校验。
import json
from decimal import Decimal
payload = '{"items": [{"sku": "A-1", "amount": 2.50}, {"sku": "B-2", "amount": 7.25}], "tax": 0.55}'
# 解析回调只负责数值类型,不把商品字段规则塞进 json.loads()。
data = json.loads(payload, parse_float=Decimal)
total = sum((item["amount"] for item in data["items"]), Decimal("0"))
grand_total = total + data["tax"]
# 在业务层做范围判断,避免把负数默认为解析错误。
if grand_total
非法 JSON 仍会触发 json.JSONDecodeError;合法 JSON 中的字符串金额则不会自动转成 Decimal。如果上游把金额写成 "19.90",需要在字段校验层明确调用 Decimal(text),并决定空字符串、货币符号和小数位规则。
| 输入形态 | 默认类型 | parse_float=Decimal 后 | 处理建议 |
|---|---|---|---|
19.90 | float | Decimal | 适合金额小数入口 |
100 | int | int | 需要统一金额类型时另设 parse_int |
"19.90" | str | str | 由业务校验显式转换 |
1e-2 | float | Decimal | 确认指数形式是否允许 |

步骤四:计算保留 Decimal,输出时再选择编码方案
解析成 Decimal 只解决输入和计算阶段,不能直接保证 json.dumps() 能编码它。标准 JSON 编码器通常不认识 Decimal,所以输出前要明确协议:对外接口常把金额编码成字符串,或者使用项目统一的自定义 JSONEncoder。不要在最后一刻随手调用 float(value),否则又把精度边界交还给二进制浮点。
import json
from decimal import Decimal
result = {"amount": Decimal("19.80")}
class DecimalEncoder(json.JSONEncoder):
# 用字符串表达金额,避免输出阶段重新变成 float。
def default(self, obj):
if isinstance(obj, Decimal):
return format(obj, "f")
return super().default(obj)
encoded = json.dumps(result, cls=DecimalEncoder)
print(encoded) # {"amount": "19.80"}
如果对方协议明确要求 JSON number,而不是字符串,应在接口契约中写清小数位、舍入模式和接收方实现;这不是 parse_float 能替你决定的事。金额精度的完整链路是“文本解析为 Decimal、Decimal 参与运算、按协议编码输出”,三段都保持一致才稳妥。
常见问题
传了 parse_float=Decimal,整数金额会变成 Decimal 吗?
不会。它只接管 JSON 浮点字面量;整数仍由 parse_int 负责。若业务要求所有金额同一类型,需要另行设计整数回调或统一的字段转换规则。
为什么不能先 json.loads() 再 Decimal(value)?
因为这时 value 可能已经是 float。在解析入口直接接收字面量字符串,才能避免先经过二进制浮点表示。
Decimal 解析后能直接 json.dumps() 吗?
通常不能直接编码。应按接口协议将金额转为字符串,或提供自定义编码器;不要为了省事无条件转成 float。
Go regexp把匹配位置映射回原文的处理方案
- 上一篇
- Go regexp把匹配位置映射回原文的处理方案
- 下一篇
- Linux inotify处理目录监控事件丢失风险的实现方法
-
- 文章 · python教程 | 36分钟前 |
- Python statistics.kde 的bandwidth怎样影响密度曲线平滑程度
- 316浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- Python statistics.kde 怎样按样本构造密度函数
- 108浏览 收藏
-
- 文章 · python教程 | 2小时前 |
- Python difflib.get_close_matches 的cutoff怎样影响候选
- 194浏览 收藏
-
- 文章 · python教程 | 2小时前 |
- Python difflib.restore 怎样从差异流恢复原始文本
- 200浏览 收藏
-
- 文章 · python教程 | 3小时前 |
- Python mimetypes 为什么不能验证文件真实编码
- 166浏览 收藏
-
- 文章 · python教程 | 4小时前 |
- Python mimetypes 怎样为自定义音频扩展名注册类型
- 144浏览 收藏
-
- 文章 · python教程 | 5小时前 |
- Python wave 以不可定位输出写文件时怎样确定帧数
- 292浏览 收藏
-
- 文章 · python教程 | 11小时前 |
- Python colorsys 为什么不能直接接收零到二百五十五的 RGB 值
- 123浏览 收藏
-
- 文章 · python教程 | 11小时前 | 标准库 · python · Python HLS 颜色转换 RGB colorsys rgb_to_hls hls_to_rgb
- Python colorsys 怎样在 RGB 与 HLS 之间转换
- 482浏览 收藏
-
- 文章 · python教程 | 12小时前 | 标准库 · 持久化 · python · Python Cookiejar expires http.CookieJar FileCookieJar ignore_expires
- Python CookieJar 的过期过滤与 ignore_expires 有什么区别
- 330浏览 收藏
-
- 文章 · python教程 | 12小时前 | 标准库 · python · Cookiejar Python MozillaCookieJar cookies.txt Python保存Cookie
- Python MozillaCookieJar 怎样把 Cookie 保存到本地文件
- 299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。
- 804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。
- 795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。
- 884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。
- 853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。
- 683次使用
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- 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

