《详解Python中JSON的基本使用方法》
JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，因其易读性、结构简洁和跨语言支持，被广泛应用于前后端数据交互、配置文件存储等场景。Python通过内置的json模块提供了对JSON的完整支持，包括序列化（将Python对象转为JSON字符串）和反序列化（将JSON字符串转为Python对象）。本文将详细介绍JSON在Python中的核心用法，涵盖基础操作、高级技巧及常见问题解决方案。
一、JSON与Python数据类型的对应关系
在操作JSON前，需明确其与Python数据类型的映射关系：
| JSON类型 | Python类型 |
|---|---|
| 对象（Object） | 字典（dict） |
| 数组（Array） | 列表（list） |
| 字符串（String） | 字符串（str） |
| 数字（Number） | 整数（int）/浮点数（float） |
| 布尔值（true/false） | 布尔值（True/False） |
| 空值（null） | None |
二、核心方法详解
1. 序列化：Python对象 → JSON字符串
使用json.dumps()将Python对象转为JSON格式字符串，或通过json.dump()直接写入文件。
import json
data = {
"name": "Alice",
"age": 30,
"skills": ["Python", "JSON"],
"is_active": True
}
# 转为JSON字符串
json_str = json.dumps(data, indent=4) # indent参数美化输出
print(json_str)
# 写入JSON文件
with open("data.json", "w") as f:
json.dump(data, f)参数说明：
-
indent：缩进空格数，用于美化输出 -
sort_keys：是否按键名排序（默认False） -
ensure_ascii：是否转义非ASCII字符（默认True，设为False可保留中文）
2. 反序列化：JSON字符串 → Python对象
使用json.loads()解析JSON字符串，或通过json.load()从文件读取。
import json
json_str = '{"name": "Bob", "age": 25, "city": "北京"}'
# 解析JSON字符串
python_dict = json.loads(json_str)
print(python_dict["name"]) # 输出: Bob
# 从文件读取
with open("data.json", "r") as f:
loaded_data = json.load(f)3. 处理复杂数据类型
JSON默认不支持Python的datetime、set等类型，需通过自定义函数实现转换。
import json
from datetime import datetime
# 自定义序列化函数
def default_serializer(obj):
if isinstance(obj, datetime):
return obj.isoformat()
raise TypeError("Type not serializable")
data = {
"event": "会议",
"time": datetime.now()
}
json_str = json.dumps(data, default=default_serializer)
print(json_str)反序列化时，可通过object_hook参数还原自定义类型：
def as_datetime(dct):
if "__datetime__" in dct:
return datetime.fromisoformat(dct["__datetime__"])
return dct
json_str = '{"__datetime__": "2023-01-01T12:00:00"}'
obj = json.loads(json_str, object_hook=as_datetime)三、高级应用场景
1. 压缩JSON输出
通过移除空白符减少数据体积：
compact_json = json.dumps(data, separators=(",", ":"))2. 处理JSONP请求
为跨域请求添加回调函数包装：
def jsonp_response(data, callback):
return f"{callback}({json.dumps(data)})"
print(jsonp_response({"status": "ok"}, "handleResponse"))3. 性能优化
对于大数据量，使用orjson等第三方库提升速度：
# 安装: pip install orjson
import orjson
data = {"key": "value" * 1000}
json_bytes = orjson.dumps(data) # 返回bytes类型四、常见问题与解决方案
1. 中文乱码问题
设置ensure_ascii=False保留非ASCII字符：
json.dumps({"城市": "上海"}, ensure_ascii=False)2. 循环引用错误
JSON不支持对象间的循环引用，需手动处理或使用pickle替代：
class Node:
def __init__(self, value):
self.value = value
self.children = []
# 错误示例（会引发TypeError）
# root = Node(1)
# child = Node(2)
# root.children.append(child)
# child.children.append(root)
# json.dumps(root.__dict__)3. 大数精度丢失
JSON规范中数字为IEEE 754双精度浮点数，超大整数可能丢失精度。解决方案：
- 转为字符串传输
- 使用
decimal.Decimal类型
import json
from decimal import Decimal
data = {"big_num": Decimal("12345678901234567890")}
def decimal_serializer(obj):
if isinstance(obj, Decimal):
return str(obj)
raise TypeError
print(json.dumps(data, default=decimal_serializer))五、最佳实践建议
-
数据验证：反序列化前验证JSON结构，可使用
jsonschema库 -
异常处理：捕获
json.JSONDecodeError处理无效输入 - 安全考虑：避免直接反序列化不可信来源的JSON（可能存在代码注入风险）
- 性能测试：对高频操作进行基准测试，选择最优实现方式
六、完整示例：配置文件管理
以下示例展示如何使用JSON管理应用程序配置：
import json
import os
CONFIG_FILE = "app_config.json"
def load_config():
try:
with open(CONFIG_FILE, "r") as f:
return json.load(f)
except FileNotFoundError:
return {"theme": "light", "language": "en"}
def save_config(config):
with open(CONFIG_FILE, "w") as f:
json.dump(config, f, indent=4)
# 使用示例
config = load_config()
config["language"] = "zh-CN"
save_config(config)七、与其他数据格式对比
| 特性 | JSON | XML | YAML |
|---|---|---|---|
| 可读性 | ★★★★ | ★★ | ★★★★★ |
| 解析速度 | ★★★★★ | ★★ | ★★★ |
| 数据类型支持 | 基础类型 | 丰富 | 丰富 |
| 适用场景 | Web API | 企业集成 | 配置文件 |
关键词：Python、JSON、序列化、反序列化、数据交换、json模块、JSONDecodeError、orjson、JSONP、数据类型映射
简介：本文全面介绍了Python中JSON模块的使用方法，涵盖基础序列化/反序列化操作、复杂数据类型处理、性能优化技巧及常见问题解决方案，通过代码示例和对比分析帮助开发者高效处理JSON数据。
