网站备案是针对空间还是域名猎头公司的工作模式不包括
一、json库概述
JSON(JavaScript Object Notation)是一种轻量级的数据交换格式，Python的json模块提供了JSON数据的编码和解码功能。该模块可以将Python对象转换为JSON字符串（序列化），也可以将JSON字符串转换为Python对象（反序列化）。
核心功能
json.dumps(): 将Python对象编码为JSON字符串json.loads(): 将JSON字符串解码为Python对象json.dump(): 将Python对象编码并写入文件json.load(): 从文件读取并解码JSON数据
二、基本使用方法
1. 序列化（Python对象 → JSON字符串）
import jsondata = {"name": "张三","age": 30,"married": True,"children": ["小明", "小红"],"pets": None
}json_str = json.dumps(data, ensure_ascii=False, indent=4)
print(json_str)
输出：
{"name": "张三","age": 30,"married": true,"children": ["小明", "小红"],"pets": null
}
参数说明：
ensure_ascii=False: 允许非ASCII字符（如中文）直接输出indent=4: 美化输出，使用4个空格缩进
2. 反序列化（JSON字符串 → Python对象）
json_data = '{"name": "李四", "age": 25, "city": "北京"}'
python_obj = json.loads(json_data)print(python_obj["name"]) # 输出: 李四
print(type(python_obj)) # 输出: <class 'dict'>
3. 文件读写操作
写入JSON文件：
with open('data.json', 'w', encoding='utf-8') as f:json.dump(data, f, ensure_ascii=False, indent=4)
读取JSON文件：
with open('data.json', 'r', encoding='utf-8') as f:loaded_data = json.load(f)
三、高级用法
1. 处理复杂对象
默认情况下，json模块只能处理基本数据类型。要序列化复杂对象，需要自定义编码器：
class User:def __init__(self, name, age):self.name = nameself.age = agedef user_encoder(obj):if isinstance(obj, User):return {'name': obj.name, 'age': obj.age}raise TypeError(f'Object of type {obj.__class__.__name__} is not JSON serializable')user = User("王五", 28)
user_json = json.dumps(user, default=user_encoder)
2. 自定义解码器
def user_decoder(dct):if 'name' in dct and 'age' in dct:return User(dct['name'], dct['age'])return dctuser_obj = json.loads(user_json, object_hook=user_decoder)
print(type(user_obj)) # 输出: <class '__main__.User'>
3. 性能优化
对于大型JSON数据处理：
- 使用
json.JSONEncoder和json.JSONDecoder类提高性能 - 考虑使用
ujson或orjson等第三方库（非标准库）
四、实际应用场景
1. Web API开发
# Flask示例
from flask import Flask, jsonify, request
import jsonapp = Flask(__name__)@app.route('/api/data', methods=['POST'])
def receive_data():data = request.get_json() # 自动使用json模块解析请求体# 处理数据...return jsonify({"status": "success"})
2. 配置文件管理
# 读取配置
with open('config.json') as f:config = json.load(f)# 修改并保存配置
config['timeout'] = 30
with open('config.json', 'w') as f:json.dump(config, f, indent=2)
3. 数据交换与存储
# 将Pandas DataFrame转为JSON
import pandas as pd
df = pd.DataFrame({'A': [1, 2], 'B': ['x', 'y']})
json_str = df.to_json(orient='records')# 从JSON恢复DataFrame
new_df = pd.read_json(json_str)
五、常见问题与解决方案
-
中文乱码问题
- 确保使用
ensure_ascii=False - 文件操作时指定编码为
utf-8
- 确保使用
-
日期时间对象的处理
from datetime import datetimedef datetime_encoder(obj):if isinstance(obj, datetime):return obj.isoformat()raise TypeError("Type not serializable")data = {'time': datetime.now()} json.dumps(data, default=datetime_encoder) -
循环引用检测
- 默认情况下json不处理循环引用
- 需要自行解决循环引用问题或使用第三方库
六、最佳实践
-
始终处理异常：
try:data = json.loads(json_str) except json.JSONDecodeError as e:print(f"Invalid JSON: {e}") -
对于敏感数据，考虑使用
json.dumps()的separators参数压缩JSON大小：json.dumps(data, separators=(',', ':')) -
大型文件处理时，考虑使用
ijson库进行流式解析
七、总结
Python的json模块是处理JSON数据的利器，掌握它可以：
- 轻松实现前后端数据交互
- 高效管理配置文件
- 处理各种数据交换场景