Python怎样处理JSON数据？解析与转换全攻略

python处理json数据的核心是使用内置的json模块，其主要通过四个函数实现数据的解析与转换：1. json.loads()用于将json字符串解析为python对象；2. json.dumps()将python对象编码为json格式字符串，可设置indent和ensure_ascii等参数优化输出；3. json.load()从文件中直接读取并解析json数据；4. json.dump()将python对象直接写入文件并转为json格式。处理json时常见错误包括json.jsondecodeerror（因格式不合法如单引号、尾逗号等），可通过使用在线校验工具和日志记录原始数据避免；数据结构不匹配导致的keyerror或typeerror可通过dict.get()方法或try-except捕获异常来解决；编码问题则需在文件读写时明确指定encoding='utf-8'。对于自定义对象的序列化，可通过json.dumps()的default参数传入自定义函数，将不可序列化对象如datetime或自定义类实例转换为可序列化类型，例如返回iso格式字符串或字典。处理嵌套或大型json数据时，建议先格式化数据结构以理清层级，访问深层键时链式使用dict.get()并设置默认值以增强健壮性；面对超大文件应避免一次性加载，可借助ijson等流式解析库实现内存友好的迭代处理；对于大规模数组结构，可结合生成器函数优化处理流程；此外，使用jsonschema库进行数据结构验证有助于提升程序可靠性。掌握这些方法可高效、安全地应对各类json处理需求。

Python处理JSON数据，核心在于使用其内置的

json

解决方案

要处理JSON数据，我们主要会用到

json

loads()

dumps()

load()

dump()

json.loads()

s

立即学习“Python免费学习笔记（深入）”；

import json

json_string = '{"name": "张三", "age": 30, "is_student": false, "grades": [95, 88, 92]}'
python_data = json.loads(json_string)

print(type(python_data))
print(python_data['name'])
print(python_data['grades'][0])

json.dumps()

loads()

s

import json

python_object = {
    "product": "Laptop",
    "price": 1200.50,
    "features": ["SSD", "16GB RAM"],
    "available": True
}

json_output_string = json.dumps(python_object, indent=4, ensure_ascii=False) # indent让输出更可读，ensure_ascii处理中文

print(type(json_output_string))
print(json_output_string)

json.load()

fp

loads()

import json

# 假设有一个名为 'data.json' 的文件
# 内容可能是：{"city": "北京", "population": 21000000}

# 创建一个示例文件
with open('data.json', 'w', encoding='utf-8') as f:
    f.write('{"city": "北京", "population": 21000000, "landmarks": ["故宫", "长城"]}')

with open('data.json', 'r', encoding='utf-8') as file:
    data_from_file = json.load(file)

print(data_from_file['city'])
print(data_from_file['landmarks'])

json.dump()

dumps()

import json

python_data_to_save = {
    "project": "Alpha",
    "version": "1.0.1",
    "status": "completed",
    "members": ["Alice", "Bob"]
}

with open('output.json', 'w', encoding='utf-8') as file:
    json.dump(python_data_to_save, file, indent=4, ensure_ascii=False)

print("数据已写入 output.json")
# 可以在文件系统中查看 output.json 的内容

这些函数构成了Python处理JSON数据的基础。理解它们各自的用途，基本上就能应对绝大多数的JSON操作场景了。

JSON数据解析中常见的错误有哪些？如何避免？

在处理JSON数据时，我们这些写代码的人，总会遇到一些让人头疼的问题，尤其是解析环节。最常见也最让人抓狂的，莫过于

json.JSONDecodeError

json.loads()

json.load()

避免这类错误，首先要确保你的JSON字符串是严格符合JSON规范的。可以使用在线的JSON校验工具来预先检查。如果数据来源于外部系统，最好在接收到原始字符串后，先进行一次简单的日志记录，这样一旦解析失败，至少能看到原始数据长什么样。

另一个常见问题是数据结构不匹配。你可能期望某个键总是存在，或者它的值是列表，结果却得到了一个字典，或者键根本不存在。这会导致

KeyError

TypeError

data['user']['name']

data['user']

name

为了避免这种，我习惯使用

dict.get()

get()

try-except

KeyError

吐槽大师

吐槽大师（Roast Master） - 终极 AI 吐槽生成器，适用于 Instagram，Facebook，Twitter，Threads 和 Linkedin

下载

import json

json_data = '{"user_info": {"id": 123}, "settings": null}'
data = json.loads(json_data)

# 避免 KeyError
user_name = data.get('user_info', {}).get('name', '匿名用户')
print(f"用户姓名: {user_name}")

# 捕获可能的错误
try:
    # 假设我们知道 user_info 存在，但 name 不一定
    name = data['user_info']['name']
except KeyError:
    print("用户姓名键不存在")
except TypeError:
    print("user_info 可能不是字典")

还有编码问题，虽然现在大部分JSON都是UTF-8编码，但偶尔还是会遇到其他编码的，如果处理不当，解析出来就是乱码或者直接报错。确保在读写文件时指定正确的

encoding

自定义Python对象如何优雅地序列化为JSON？

Python的

json

datetime

json.dumps()

TypeError

这时候，我们就需要告诉

json

json.dumps()

json.dump()

default

json

default

举个例子，如果我们要序列化

datetime

import json
from datetime import datetime

class MyCustomClass:
    def __init__(self, name, created_at):
        self.name = name
        self.created_at = created_at

def custom_serializer(obj):
    if isinstance(obj, datetime):
        return obj.isoformat() # 将datetime对象转换为ISO格式的字符串
    elif isinstance(obj, MyCustomClass):
        return {"name": obj.name, "created_at": obj.created_at.isoformat()} # 将自定义对象转换为字典
    raise TypeError(f"Object of type {obj.__class__.__name__} is not JSON serializable")

data_with_datetime = {
    "event_name": "Meeting",
    "event_time": datetime.now(),
    "details": MyCustomClass("Project Start", datetime(2023, 1, 1))
}

json_output = json.dumps(data_with_datetime, indent=4, default=custom_serializer, ensure_ascii=False)
print(json_output)

在这个

custom_serializer

datetime

MyCustomClass

TypeError

这种方法非常灵活，可以处理各种自定义类型。当然，如果你有很多自定义类需要序列化，并且希望更自动化，也可以考虑继承

json.JSONEncoder

default

处理嵌套或大型JSON数据时有哪些实用技巧？

面对复杂的、多层嵌套的JSON数据，或者体积庞大的JSON文件，处理起来确实需要一些策略。

首先，理解数据的结构至关重要。拿到一个陌生的JSON，我通常会先用一些在线工具或者IDE的JSON格式化功能把它排版好，然后仔细观察它的层级关系，哪些是列表，哪些是字典，键名是什么，值的类型又是什么。心里有了个“地图”，操作起来才不会迷路。

对于嵌套数据，访问深层元素时，使用

dict.get()

import json

complex_data_str = '''
{
    "company": {
        "name": "TechCorp",
        "departments": [
            {
                "name": "Engineering",
                "employees": [
                    {"id": 1, "name": "Alice", "skills": ["Python", "JS"]},
                    {"id": 2, "name": "Bob", "skills": ["Java"]}
                ]
            },
            {
                "name": "HR",
                "employees": [
                    {"id": 3, "name": "Charlie"}
                ]
            }
        ]
    }
}
'''

data = json.loads(complex_data_str)

# 尝试获取一个可能不存在的员工技能
employee_skills = data.get('company', {}).get('departments', [{}])[0].get('employees', [{}])[0].get('skills', ['No Skills'])
print(f"第一个员工的技能: {employee_skills}")

# 如果想获取第二个部门的第一个员工的名字
hr_employee_name = data.get('company', {}).get('departments', [{}, {}])[1].get('employees', [{}])[0].get('name', '未知')
print(f"HR部门第一个员工的名字: {hr_employee_name}")

当JSON文件非常大时，比如几十上百MB甚至几个GB，一次性用

json.load()

ijson

ijson

json

此外，如果你的JSON数据是重复结构的大数组，比如一个包含成千上万个用户信息的JSON数组，你可以考虑编写生成器函数来处理它们。虽然

json.load

最后，在数据处理的早期阶段进行校验也很有帮助。如果你知道JSON应该遵循某个特定的结构，可以考虑使用像

jsonschema