当前位置： 首页 > news >正文

Python JSON 全方位解析：序列化、反序列化与实战技巧

news 2025/8/26 6:52:26

在 Python 开发中，JSON（JavaScript Object Notation）是前后端数据交互、跨平台数据传输的核心格式。它轻量、易读且兼容性强，几乎所有编程语言都支持 JSON 解析。本文将结合实战代码，从 JSON 基础概念出发，详细讲解 Python 中 JSON 的序列化（Python 数据转 JSON）、反序列化（JSON 转 Python 数据）、高级配置（美化、特殊类型处理）及文件读写操作，帮助你彻底掌握 JSON 处理技巧。

一、JSON 核心概念与 Python 数据映射

在开始代码实战前，需先明确 JSON 的格式规则及与 Python 数据类型的对应关系 —— 这是正确处理 JSON 的基础。

1.1 JSON 格式规则

JSON 本质是一种字符串格式，有严格的语法要求，常见错误（如单引号、元组）会导致解析失败，核心规则如下：

  • 字符串必须用 双引号（"name" 正确，'name' 错误）；
  • 支持的数据类型：对象（对应 Python 字典）、数组（对应 Python 列表）、字符串、数字、布尔值（true/false）、null（对应 Python None）；
  • 不支持 Python 特有的类型：集合（set）、元组（tuple）、datetime 等（需特殊处理）。

示例：

// 正确 JSON 格式（对象）
{"name":"mary","age":20,"is_student":true,"hobby":null}// 正确 JSON 格式（数组）
[10, 20, "hello", {"city":"New York"}]

1.2 JSON 与 Python 数据类型映射表

JSON 与 Python 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，对应关系如下：

Python 数据类型JSON 数据类型反序列化后 Python 类型
dict对象（{}）dict
list/tuple数组（[]）list（元组会转列表）
str字符串str
int/float数字int/float
TruetrueTrue
FalsefalseFalse
NonenullNone
set/datetime不支持需自定义处理（见 3.2 节

二、基础操作：JSON 序列化与反序列化

Python 内置 json 模块，提供 dumps()/loads() 两个核心函数，分别实现 “Python 数据转 JSON 字符串” 和 “JSON 字符串转 Python 数据”。

2.1 序列化：json.dumps()（Python → JSON 字符串）

json.dumps(obj) 接收 Python 数据（如字典、列表），返回对应的 JSON 字符串。下面通过多类型示例演示其用法：

import json# 1. 数字类型（int）
js_num = json.dumps(10)
print("数字序列化：", js_num)          # 输出："10"（JSON 字符串）
print("类型：", type(js_num))          # 输出：<class 'str'># 2. None（对应 JSON null）
js_none = json.dumps(None)
print("\nNone 序列化：", js_none)      # 输出："null"
print("反序列化后类型：", type(json.loads(js_none)))  # 输出：<class 'NoneType'># 3. 布尔值（True/False）
js_bool = json.dumps(True)
print("\n布尔值序列化：", js_bool)     # 输出："true"（JSON 小写）
print("反序列化后值：", json.loads(js_bool))  # 输出：True# 4. 列表（含混合类型）
js_list = json.dumps([10, 20, 'hello'])
print("\n列表序列化：", js_list)       # 输出："[10, 20, \"hello\"]"（双引号转义）
print("反序列化后：", json.loads(js_list))  # 输出：[10, 20, 'hello']# 5. 字典（key 需为字符串/数字，不支持元组）
js_dict = json.dumps({'name': 'mary', 'age': 20, None: 'hello'})
print("\n字典序列化：", js_dict)       # 输出："{"name":"mary","age":20,"null":"hello"}"（None 转 null 作为 key）
print("反序列化后：", json.loads(js_dict))  # 输出：{'name': 'mary', 'age': 20, 'null': 'hello'}# 6. 嵌套结构（列表+字典）
js_nested = json.dumps([{'name': 'mary', 'age': 20}, {'name': 'tom', 'age': 30}])
print("\n嵌套结构序列化：", js_nested)  # 输出："[{"name":"mary","age":20},{"name":"tom","age":30}]"
print("反序列化后：", json.loads(js_nested))  # 输出：[{'name': 'mary', 'age': 20}, {'name': 'tom', 'age': 30}]# ❌ 不支持的类型：集合（会抛 TypeError）
# js_set = json.dumps({12, 22, 'world'})  # 报错：TypeError: Object of type set is not JSON serializable

2.2 反序列化：json.loads()（JSON 字符串 → Python 数据）

json.loads(json_str) 接收 JSON 格式的字符串，返回对应的 Python 数据。需注意：输入必须是严格的 JSON 字符串（双引号、无非法类型）。

import json# 1. JSON 字符串（对象）转 Python 字典
json_str1 = '{"name":"张三","age":20,"is_student":true,"hobby":null}'
py_dict = json.loads(json_str1)
print("JSON 对象转字典：", py_dict)
print("类型：", type(py_dict))  # 输出：<class 'dict'># 2. JSON 字符串（数组）转 Python 列表
json_str2 = '[10, 20, "hello", {"city":"北京"}]'
py_list = json.loads(json_str2)
print("\nJSON 数组转列表：", py_list)
print("类型：", type(py_list))  # 输出：<class 'list'># 3. 特殊值反序列化（null → None，true → True）
json_str3 = '{"score":null, "passed":false}'
py_data = json.loads(json_str3)
print("\n特殊值反序列化：", py_data)  # 输出：{'score': None, 'passed': False}

三、高级配置：美化、特殊类型处理

json.dumps() 提供多个可选参数，支持 JSON 美化、中文显示、特殊类型（如 set/datetime）序列化，满足复杂场景需求。

3.1 常用配置参数（美化、中文、排序）

通过 ensure_ascii、indent、separators、sort_keys 四个参数，可自定义 JSON 输出格式：

参数名作用说明
ensure_ascii布尔值，默认 True（中文转义为 \uXXXX），设为 False 可显示中文
indent整数，JSON 缩进空格数（美化输出），默认 None（紧凑格式）
separators元组 (item_sep, key_sep)，指定分隔符（默认 (', ', ': ')）
sort_keys布尔值，默认 False，设为 True 按字典 key 升序排列

示例：

import json# 原始 Python 数据（含中文）
student = {'name': '张三', 'age': 20, 'sex': '男', 'score': 95}# 应用高级配置
js_pretty = json.dumps(student,ensure_ascii=False,  # 显示中文（不转义）indent=4,            # 缩进 4 个空格（美化）separators=(',', ':'),  # 列表元素用 ',' 分隔，字典 key-value 用 ':' 分隔（无空格）sort_keys=True       # 按 key 升序排列（age < name < score < sex）
)print("美化后的 JSON：")
print(js_pretty)

输出结果（格式清晰，中文正常显示）：

{"age":20,"name":"张三","score":95,"sex":"男"
}

3.2 特殊类型处理：default 参数

JSON 不支持 Python 的 set、datetime 等类型，直接序列化会抛 TypeError。此时需通过 default 参数指定自定义处理函数，将特殊类型转换为 JSON 支持的类型（如 set 转 list，datetime 转字符串）。

案例：处理 set 和 datetime 类型
import json
from datetime import datetime# 含特殊类型的 Python 数据
data = {'name': 'mary','hobbys': {'打球', '编程'},  # set 类型（JSON 不支持）'borndate': datetime(2003, 2, 18)  # datetime 类型（JSON 不支持）
}
list_data = [10, 'hello', {'唱歌', '跑步'}]  # 列表含 set# 自定义处理函数：接收无法序列化的对象（obj），返回 JSON 支持的类型
def handle_special_types(obj):# 处理 set 类型：转为 listif isinstance(obj, set):return list(obj)# 处理 datetime 类型：转为字符串（如 "2003-02-18"）if isinstance(obj, datetime):return obj.strftime('%Y-%m-%d')# 其他未处理类型：抛异常（可选）raise TypeError(f"不支持的类型：{type(obj)}")# 1. 序列化含特殊类型的字典
js_data = json.dumps(data,ensure_ascii=False,default=handle_special_types  # 指定自定义处理函数
)
print("处理特殊类型的 JSON（字典）：")
print(js_data)
print("反序列化后：", json.loads(js_data))  # set 已转为 list，datetime 已转为字符串# 2. 序列化含特殊类型的列表
js_list = json.dumps(list_data,ensure_ascii=False,default=handle_special_types
)
print("\n处理特殊类型的 JSON（列表）：")
print(js_list)
print("反序列化后：", json.loads(js_list))

输出结果：

处理特殊类型的 JSON（字典）：
{"name":"mary","hobbys":["打球","编程"],"borndate":"2003-02-18"}
反序列化后： {'name': 'mary', 'hobbys': ['打球', '编程'], 'borndate': '2003-02-18'}处理特殊类型的 JSON（列表）：
[10,"hello",["唱歌","跑步"]]
反序列化后： [10, 'hello', ['唱歌', '跑步']]

四、文件操作：JSON 与文件的交互

实际开发中，JSON 数据常需写入文件（如配置文件）或从文件读取。json 模块提供 dump() 和 load() 函数，直接实现 “Python 数据 ↔ 文件” 的交互，无需手动处理字符串读写。

4.1 序列化到文件：json.dump()

json.dump(obj, file_obj) 将 Python 数据直接写入文件（需以文本模式 w 打开文件），等价于 file.write(json.dumps(obj))，但更简洁。

import json# 待写入文件的 Python 数据
user_list = [{'name': '张三', 'age': 20, 'city': '上海'},{'name': 'tom', 'age': 30, 'city': 'London'}
]# 方式1：用 json.dump() 直接写入（推荐）
with open(r'.\data\users.json', mode='w', encoding='utf-8') as f:json.dump(user_list,f,ensure_ascii=False,  # 显示中文indent=2             # 美化格式)
print("JSON 数据写入文件完成！")# 方式2：先 dumps() 转字符串，再 write()（等价，略繁琐）
# with open(r'.\data\users2.json', mode='w', encoding='utf-8') as f:
#     js_str = json.dumps(user_list, ensure_ascii=False, indent=2)
#     f.write(js_str)

4.2 从文件反序列化：json.load()

json.load(file_obj) 从文件中读取 JSON 数据并直接转为 Python 数据，等价于 json.loads(file.read())，简化代码。

import json# 方式1：用 json.load() 直接读取（推荐）
with open(r'.\data\users.json', mode='r', encoding='utf-8') as f:py_data = json.load(f)
print("从文件读取的 Python 数据：")
print(py_data)
print("类型：", type(py_data))  # 输出：<class 'list'># 方式2：先 read() 读字符串，再 loads()（等价）
# with open(r'.\data\users.json', mode='r', encoding='utf-8') as f:
#     js_str = f.read()
#     py_data2 = json.loads(js_str)
# print("\n方式2读取：", py_data2)
从文件读取的 Python 数据：
[{'name': '张三', 'age': 20, 'city': '上海'}, {'name': 'tom', 'age': 30, 'city': 'London'}]
类型： <class 'list'>

五、常见问题与解决方案

在 JSON 处理中，初学者常遇到中文乱码、特殊类型报错等问题，以下是高频问题的解决方法。

5.1 中文乱码（\uXXXX 转义）

问题：序列化含中文的数据时，输出为 \u5f20\u4e09 等转义字符，而非中文。
原因：json.dumps() 默认 ensure_ascii=True，会将非 ASCII 字符转义。
解决：设置 ensure_ascii=False，并指定文件编码为 utf-8（写入文件时）。

# 正确示例
data = {'name': '李四', 'age': 25}
js = json.dumps(data, ensure_ascii=False)
print(js)  # 输出：{"name":"李四","age":25}（中文正常显示）

5.2 特殊类型序列化报错（TypeError）

问题：序列化 set/datetime 等类型时，报错 TypeError: Object of type XXX is not JSON serializable。
解决：通过 default 参数指定自定义处理函数，将特殊类型转为 JSON 支持的类型（如 set 转 list，datetime 转字符串），见 3.2 节案例。

5.3 JSON 字符串格式错误（JSONDecodeError）

问题：反序列化时，报错 json.decoder.JSONDecodeError: Expecting value: line 1 column 1 (char 0)。
常见原因：

  1. JSON 字符串用单引号（如 {'name':'mary'}）；
  2. 字符串含多余逗号（如 [10, 20, ]）；
  3. 文件读取时编码错误（如用 gbk 读取 utf-8 文件）。

解决：

  1. 确保 JSON 字符串用双引号；
  2. 检查 JSON 语法（无多余逗号、括号匹配）；
  3. 读取文件时指定正确编码（如 encoding='utf-8'）。

六、总结

本文覆盖了 Python JSON 处理的全流程，核心要点总结如下：

1. 核心函数

函数功能适用场景
json.dumps()Python 数据 → JSON 字符串内存中数据交互（如接口请求）
json.loads()JSON 字符串 → Python 数据内存中数据解析（如接口响应）
json.dump()Python 数据 → JSON 文件数据持久化（写入配置文件）
json.load()JSON 文件 → Python 数据读取配置文件

2. 关键参数

  • ensure_ascii=False：显示中文，避免转义；
  • indent=N：美化 JSON 格式，便于调试；
  • default=函数：处理 set/datetime 等特殊类型；
  • sort_keys=True：按字典 key 排序，输出更规范。

3. 最佳实践

  1. 处理中文时，始终设置 ensure_ascii=False 并指定 encoding='utf-8'；
  2. 写入文件优先用 json.dump()，读取文件优先用 json.load()（简化代码）；
  3. 遇到特殊类型时，通过 default 参数自定义处理逻辑，避免直接修改原始数据；
  4. 反序列化前，确保输入是严格的 JSON 格式（双引号、无语法错误）。

掌握这些技巧后，你可以轻松应对前后端数据交互、配置文件读写、跨平台数据传输等场景，JSON 处理将成为你的开发利器。

http://www.dtcms.com/a/349671.html

相关文章：

  • pytest+requests+Python3.7+yaml+Allure+Jenkins+docker实现接口自动化测试
  • k8sday17安全机制
  • flask Celery入门：轻松实现异步任务处理
  • 前端通过node本地转译rtsp流，配合hls实现浏览
  • 【SQL】深入理解MySQL存储过程：从入门到实战
  • CUDA 工具包 13.0 正式发布：开启新一代 GPU 计算的基石!
  • 使用EasyExcel根据模板导出文件
  • QtExcel/QXlsx
  • 深入浅出 Java 多态：从原理到实践的全面解析
  • 【RAGFlow代码详解-5】配置系统
  • 基于深度学习的翻拍照片去摩尔纹在线系统设计与实现
  • UE5 HoudiniPivotPainter1.0使用
  • NFC 滤波网络设计考虑
  • 车载通信架构---通过CANoe做 SOME/IP 模拟的配置例如
  • 库存指标怎么算？一文讲清3大库存分析指标
  • 大数据治理域——离线数据开发
  • 小白成长之路-k8s部署项目（二）
  • Legion Y7000P IRX9 DriveList
  • 【数据可视化-100】使用 Pyecharts 绘制人口迁徙图：步骤与数据组织形式
  • 程序设计---状态机
  • KVM 虚拟化技术与部署
  • ZKmall开源商城多端兼容实践：鸿蒙、iOS、安卓全平台适配的技术路径
  • 朴素贝叶斯学习笔记
  • Selenium框架Java实践截图服务
  • 面向过程与面向对象
  • 了解检验和
  • 四，设计模式-原型模式
  • 设计模式5-代理模式
  • 无锁队列的设计与实现
  • jdbc相关内容