Python 与 JSON：全面解析与实战指南

目录#

1. 什么是 JSON？
   • 1.1 JSON 简介
   • 1.2 JSON 基本语法
   • 1.3 JSON 数据类型
2. Python 与 JSON：核心模块 json
   • 2.1 模块简介
   • 2.2 核心函数概览
3. Python 与 JSON 数据类型转换
   • 3.1 类型映射表
   • 3.2 转换示例
4. 序列化与反序列化实战
   • 4.1 序列化：Python 对象 → JSON
   • 4.2 反序列化：JSON → Python 对象
   • 4.3 处理复杂对象（自定义类）
5. 错误处理与常见问题
   • 5.1 常见异常类型
   • 5.2 错误处理示例
6. 最佳实践
   • 6.1 格式化与可读性
   • 6.2 处理大型 JSON 文件
   • 6.3 安全性考虑
   • 6.4 非 ASCII 字符处理
7. 高级技巧
   • 7.1 自定义编码器/解码器
   • 7.2 排序键与数据过滤
   • 7.3 第三方库推荐
8. 总结
9. 参考资料

1. 什么是 JSON？#

1.1 JSON 简介#

JSON 是一种基于文本的轻量级数据交换格式，由 Douglas Crockford 于 2001 年提出。它源自 JavaScript，但目前已成为跨语言通用格式，几乎所有编程语言都支持 JSON 解析与生成。其设计目标是易于人类阅读和编写，同时易于机器解析和生成。

1.2 JSON 基本语法#

JSON 语法基于键值对（key-value pairs）和数组（arrays），使用大括号 {} 表示对象，中括号 [] 表示数组，键与值之间用冒号 : 分隔，键值对之间用逗号 , 分隔。

示例：

{
  "name": "Alice",
  "age": 30,
  "is_student": false,
  "hobbies": ["reading", "hiking"],
  "address": {
    "city": "Beijing",
    "zipcode": "100000"
  }
}

1.3 JSON 数据类型#

JSON 支持 6 种基本数据类型：

• 字符串（String）：用双引号 " 包裹的 Unicode 字符（如 "hello"）。
• 数字（Number）：整数或浮点数（如 42、3.14）。
• 布尔值（Boolean）：true 或 false。
• 空值（Null）：null（表示空值）。
• 对象（Object）：键值对集合，用 {} 表示（如 {"key": "value"}）。
• 数组（Array）：有序值列表，用 [] 表示（如 [1, 2, 3]）。

2. Python 与 JSON：核心模块 json#

Python 标准库内置 json 模块，无需额外安装即可使用。它提供了 JSON 序列化与反序列化的核心功能。

2.1 模块简介#

json 模块的设计目标是实现 Python 数据结构与 JSON 格式的双向转换。核心功能围绕序列化（将 Python 对象转为 JSON 字符串或写入文件）和反序列化（将 JSON 字符串或文件解析为 Python 对象）展开。

2.2 核心函数概览#

json 模块的 4 个核心函数：

说明：函数名中含 s（如 dumps、loads）表示操作字符串（string），不含 s（如 dump、load）表示操作文件对象（file object）。

3. Python 与 JSON 数据类型转换#

Python 与 JSON 的数据类型并非完全一一对应，序列化/反序列化时会自动转换。理解转换规则是避免错误的关键。

3.1 类型映射表#

注意：

• Python 的 tuple 会被序列化为 JSON 数组，反序列化后变为 list（丢失元组特性）。
• JSON 没有 set 类型，直接序列化 set 会抛出 TypeError。
• Python 的 datetime、decimal.Decimal 等非标准类型需自定义转换逻辑。

3.2 转换示例#

Python → JSON（序列化）：

import json
 
data = {
    "name": "Bob",
    "age": 25,
    "is_student": True,
    "grades": (90, 85, 95),  # tuple 转为 JSON 数组
    "address": None
}
 
json_str = json.dumps(data)
print(json_str)
# 输出：{"name": "Bob", "age": 25, "is_student": true, "grades": [90, 85, 95], "address": null}

JSON → Python（反序列化）：

json_str = '{"name": "Bob", "age": 25, "grades": [90, 85, 95]}'
data = json.loads(json_str)
print(type(data))  # <class 'dict'>
print(data["grades"])  # [90, 85, 95]（list 类型）

4. 序列化与反序列化实战#

4.1 序列化：Python 对象 → JSON#

4.1.1 基础用法（dumps）#

json.dumps(obj, **kwargs) 接受 Python 对象并返回 JSON 字符串，支持多种参数控制输出格式：

• indent：缩进空格数，用于美化输出（默认无缩进）。
• ensure_ascii：是否将非 ASCII 字符转义为 \uXXXX 格式（默认 True，设为 False 可保留原始字符）。
• sort_keys：是否按键名排序（默认 False）。

示例：美化输出

data = {"name": "张三", "age": 30, "hobbies": ["跑步", "游泳"]}
json_str = json.dumps(data, indent=4, ensure_ascii=False, sort_keys=True)
print(json_str)

输出：

{
    "age": 30,
    "hobbies": [
        "跑步",
        "游泳"
    ],
    "name": "张三"
}

4.1.2 写入文件（dump）#

json.dump(obj, fp, **kwargs) 将 Python 对象直接写入文件对象 fp（需以写入模式打开，如 'w'）。

示例：

data = {"name": "Alice", "age": 30}
with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, indent=4, ensure_ascii=False)  # 写入文件并美化

生成的 data.json 文件内容：

{
    "name": "Alice",
    "age": 30
}

4.2 反序列化：JSON → Python 对象#

4.2.1 解析字符串（loads）#

json.loads(s, **kwargs) 解析 JSON 字符串 s 并返回 Python 对象。

示例：

json_str = '{"name": "Alice", "age": 30, "hobbies": ["reading"]}'
data = json.loads(json_str)
print(data["name"])  # Alice
print(data["hobbies"][0])  # reading

4.2.2 读取文件（load）#

json.load(fp, **kwargs) 从文件对象 fp 中读取 JSON 数据并解析为 Python 对象（需以读取模式打开，如 'r'）。

示例：

with open("data.json", "r", encoding="utf-8") as f:
    data = json.load(f)
print(data["name"])  # Alice

4.3 处理复杂对象（自定义类）#

默认情况下，json 模块无法序列化自定义类实例（如 class Person），需通过 default 参数或自定义编码器实现。

方法 1：使用 default 参数#

通过 default 函数指定非标准类型的转换逻辑（如将对象转为 dict）。

示例：

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
 
person = Person("Charlie", 28)
 
# 自定义 default 函数：将 Person 实例转为 dict
def person_to_dict(obj):
    if isinstance(obj, Person):
        return {"name": obj.name, "age": obj.age, "type": "Person"}
    raise TypeError(f"无法序列化 {type(obj)} 类型")
 
json_str = json.dumps(person, default=person_to_dict, indent=4)
print(json_str)

输出：

{
    "name": "Charlie",
    "age": 28,
    "type": "Person"
}

方法 2：自定义编码器（JSONEncoder 子类）#

继承 json.JSONEncoder 并重写 default 方法，更适合复杂场景。

示例：

class PersonEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, Person):
            return {"name": obj.name, "age": obj.age, "type": "Person"}
        # 其他类型交给父类处理
        return super().default(obj)
 
json_str = json.dumps(person, cls=PersonEncoder, indent=4)
print(json_str)  # 输出同上

5. 错误处理与常见问题#

5.1 常见异常类型#

• json.JSONDecodeError：反序列化时 JSON 格式错误（如语法错误、括号不匹配）。
• TypeError：序列化时遇到不支持的类型（如 set、自定义类实例未处理）。

5.2 错误处理示例#

5.2.1 捕获 JSON 格式错误#

invalid_json = '{"name": "Alice", age: 30}'  # 键 "age" 缺少双引号，格式错误
try:
    data = json.loads(invalid_json)
except json.JSONDecodeError as e:
    print(f"JSON 解析失败：{e}")  # 输出：JSON 解析失败：Expecting property name enclosed in double quotes: line 1 column 17 (char 16)

5.2.2 捕获不支持的类型错误#

data = {"numbers": {1, 2, 3}}  # set 类型不支持序列化
try:
    json.dumps(data)
except TypeError as e:
    print(f"序列化失败：{e}")  # 输出：序列化失败：Object of type set is not JSON serializable

6. 最佳实践#

6.1 格式化与可读性#

• 使用 indent 参数美化输出，便于调试和阅读（推荐 indent=4）。
• 生产环境中可省略 indent 以减少 JSON 体积。

6.2 处理大型 JSON 文件#

• 避免使用 loads/dumps 一次性加载大文件（可能导致内存溢出），改用 load/dump 直接操作文件对象，利用 Python 的迭代器特性流式处理。
• 对于超大型 JSON（如 GB 级），可使用 ijson 等流式解析库。

6.3 安全性考虑#

• 禁止使用 eval 解析 JSON：eval(json_str) 存在代码注入风险（如 JSON 中含 __import__('os').system('rm -rf /')），必须使用 json.loads。
• 不信任的 JSON 数据需验证结构（如使用 pydantic 进行数据校验）。

6.4 非 ASCII 字符处理#

• 序列化时设置 ensure_ascii=False，避免非 ASCII 字符（如中文、日文）被转义为 \uXXXX 格式，保持可读性。
• 写入文件时指定 encoding="utf-8"，确保字符正确存储。

7. 高级技巧#

7.1 自定义编码器/解码器#

除了序列化自定义类，还可通过 JSONEncoder 处理特殊类型（如 datetime）：

from datetime import datetime
 
class DateTimeEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat()  # 转为 ISO 格式字符串
        return super().default(obj)
 
data = {"event_time": datetime(2023, 10, 1, 12, 0, 0)}
json_str = json.dumps(data, cls=DateTimeEncoder)
print(json_str)  # {"event_time": "2023-10-01T12:00:00"}

7.2 排序键与数据过滤#

• sort_keys=True：按键名升序排列，确保输出一致性（如 API 响应）。
• skipkeys=True：忽略非字符串类型的键（默认会抛出 TypeError）。
• default 参数：过滤或转换特定字段（如隐藏敏感信息）。

7.3 第三方库推荐#

• ujson：C 语言实现，比标准 json 模块快 5-10 倍，适合性能敏感场景。
• simplejson：功能更丰富（如支持 decimal.Decimal），兼容标准 json 接口。
• pydantic：结合数据校验与 JSON 解析，适合复杂数据模型（如 API 请求/响应处理）。

8. 总结#

JSON 作为通用数据交换格式，在 Python 生态中占据重要地位。通过 json 模块，我们可以轻松实现 Python 对象与 JSON 的双向转换。本文从基础语法、核心函数、类型转换、实战技巧到最佳实践，全面覆盖了 Python 与 JSON 协作的关键知识点。掌握这些内容后，无论是处理配置文件、对接 API 还是进行数据持久化，都能游刃有余。

9. 参考资料#

• Python 官方文档：json 模块
• JSON 官方网站
• ujson 库文档
• pydantic 库文档