异常教程
python json（长文解析）
💡一则或许对你有用的小广告
欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论
- 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于
Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;演示链接： http://116.62.199.48:7070 ;- 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;
截止目前， 星球 内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习 ，欢迎点击围观
在当今的数据驱动时代，JSON（JavaScript Object Notation）已成为跨平台数据交换的通用语言。无论是构建Web应用、处理API交互，还是存储配置信息，Python开发者都需要掌握如何高效处理JSON数据。本文将从基础概念到实战案例，系统讲解Python中操作JSON的技巧，帮助读者快速上手并深入理解这一关键技能。
JSON的核心概念与Python的对应关系
什么是JSON？
JSON是一种轻量级的数据交换格式，其语法简洁、可读性强，支持多种数据类型，如字符串、数字、布尔值、数组和嵌套对象。它被广泛用于前后端通信、配置文件存储以及微服务间的协作。
Python与JSON的映射关系
Python内置的json模块提供了将Python对象与JSON格式相互转换的功能。以下是常见的数据类型对应关系：
| Python 类型 | JSON 类型 | 说明 |
|---|---|---|
dict | object | 键值对结构 |
list | array | 有序序列 |
str | string | 字符串 |
int/float | number | 数值类型 |
True/False | true/false | 布尔值 |
None | null | 空值 |
形象比喻：
可以将JSON视为一种“通用语言”，而Python对象则是“本地语言”。通过json模块，我们就像使用翻译器一样，将Python的“方言”转化为JSON的“国际语言”，或者反过来。
Python JSON的核心操作：序列化与反序列化
序列化（Serialization）：将Python对象转为JSON
序列化的核心是json.dumps()和json.dump()函数。前者返回JSON字符串，后者将结果写入文件。
示例1：基础序列化
import json
data = {
"name": "Alice",
"age": 30,
"is_student": False,
"courses": ["Math", "Physics"]
}
json_str = json.dumps(data, indent=4, ensure_ascii=False)
print(json_str)
参数详解
indent：控制缩进，提升可读性。ensure_ascii=False：允许非ASCII字符（如中文）正常显示。
反序列化（Deserialization）：将JSON转为Python对象
反序列化使用json.loads()和json.load()函数。
示例2：反序列化JSON字符串
json_str = '''
{
"city": "北京",
"temperature": 25.5,
"has_rain": true
}
'''
data = json.loads(json_str)
print(data["city"]) # 输出：北京
处理复杂数据与进阶技巧
1. 处理日期、时间等非原生类型
默认情况下，JSON无法直接序列化Python的datetime对象。此时需要自定义序列化函数。
示例3：序列化日期对象
from datetime import datetime
def datetime_handler(obj):
if isinstance(obj, datetime):
return obj.isoformat()
raise TypeError(f"Type {type(obj)} not serializable")
now = datetime.now()
json_str = json.dumps(now, default=datetime_handler)
print(json_str) # 输出类似："2023-10-05T14:30:45.123456"
2. 处理嵌套与循环引用
对于复杂嵌套结构或循环引用（如对象A引用对象B，而B又引用A），可使用json.JSONEncoder的子类。
示例4：自定义JSONEncoder
class MyEncoder(json.JSONEncoder):
def default(self, obj):
if isinstance(obj, CustomClass): # 假设CustomClass是自定义类
return obj.to_dict()
return super().default(obj)
json_str = json.dumps(obj, cls=MyEncoder)
3. 高级参数与性能优化
sort_keys=True：按键排序输出，方便对比。- 对于超大JSON文件，使用
json.load()逐行读取，避免内存溢出。
最佳实践与常见问题
1. 错误处理与验证
JSON解析可能因格式错误或类型不匹配而失败，因此需用try-except包裹关键代码。
try:
with open("data.json", "r") as f:
data = json.load(f)
except json.JSONDecodeError as e:
print(f"JSON解析失败：{e}")
2. 代码可读性优化
- 对于长字符串，使用三引号（
'''）或json.dumps的indent参数。 - 避免直接拼接字符串构造JSON，改用字典结构后再序列化。
3. API交互中的JSON处理
在请求第三方API时，通常需要发送或解析JSON数据。例如使用requests库：
import requests
response = requests.get("https://api.example.com/data", params={"q": "python"})
if response.status_code == 200:
data = response.json() # 自动反序列化
print(data["results"])
实战案例：构建用户管理系统
案例需求
实现一个简单的用户管理系统，支持：
- 从JSON文件加载用户数据。
- 添加新用户并保存。
- 根据用户名查询用户信息。
实现代码
import json
def load_users(file_path):
try:
with open(file_path, "r", encoding="utf-8") as f:
return json.load(f)
except FileNotFoundError:
return []
def save_users(users, file_path):
with open(file_path, "w", encoding="utf-8") as f:
json.dump(users, f, indent=4, ensure_ascii=False)
def add_user(users, name, age, email):
new_user = {
"name": name,
"age": age,
"email": email
}
users.append(new_user)
return users
users = load_users("users.json")
users = add_user(users, "Bob", 25, "bob@example.com")
save_users(users, "users.json")
扩展思考
- 可添加密码加密、数据校验等功能。
- 若数据量大，考虑使用数据库替代纯JSON文件存储。
结论
通过本文，读者应已掌握Python JSON处理的核心方法与进阶技巧。从基础的序列化、反序列化，到复杂场景的自定义编码、错误处理，以及实际案例的完整实现，这些技能能显著提升开发效率。
掌握JSON不仅是技术能力的体现，更是构建现代化应用的必要基础。建议读者通过实际项目巩固知识，并关注JSON Schema等工具，进一步提升数据交互的规范性与安全性。
关键词自然分布示例：
- 标题与小标题中明确包含“Python JSON”
- 正文通过技术术语（如“JSON序列化”“反序列化”）自然关联主题
- 案例代码与说明中隐含“Python JSON”操作的场景