大家好我是ZTLJQ希望你看完之后能对你有所帮助不足请指正共同学习交流个人主页ZTLJQ的主页欢迎各位→点赞 收藏⭐️ 留言​系列果你对这个系列感兴趣的话专栏 - ​​​​​​Python从零到企业级应用短时间成为市场抢手的程序员✔说明⇢本人讲解主要包括Python爬虫、JS逆向、Python的企业级应用如果你对这个系列感兴趣的话可以关注订阅哟为什么是JSONJavaScript Object Notation (JSON) 是一种轻量级的数据交换格式。它之所以如此流行是因为易于阅读和编写: 对人类友好。易于机器解析和生成: 格式简单开销小。语言无关: 虽然源自JavaScript但几乎所有编程语言都支持。与Python数据结构天然契合: JSON的object对应Python的dictarray对应liststring、number、boolean、null也都有直接映射。Python通过内置的json模块提供了完整的JSON编码序列化和解码反序列化功能。掌握它就等于掌握了与现代Web世界对话的能力。第一部分核心概念与基本操作1.1 基础术语序列化 (Serialization / Encoding): 将Python对象转换为JSON字符串的过程。json模块中对应的方法是dumps(dump string) 和dump。反序列化 (Deserialization / Decoding): 将JSON字符串转换为Python对象的过程。对应的方法是loads(load string) 和load。口诀:s结尾的处理字符串 (String)不带s的处理文件 (File-like object)。1.2 基本的序列化 (json.dumps)import json # 准备一个复杂的Python数据结构 data { name: Alice, age: 30, is_student: False, courses: [Math, Physics], address: { street: 123 Main St, city: Beijing, zipcode: None # None 会变成 null } } # 将Python字典序列化为JSON字符串 json_string json.dumps(data) print(json_string) # 输出: {name: Alice, age: 30, is_student: False, courses: [Math, Physics], address: {street: 123 Main St, city: Beijing, zipcode: null}} # 美化输出 (增加缩进) pretty_json json.dumps(data, indent4) print(pretty_json) # 输出: # { # name: Alice, # age: 30, # is_student: False, # courses: [ # Math, # Physics # ], # address: { # street: 123 Main St, # city: Beijing, # zipcode: null # } # } # 排序键 (可选用于保证输出一致) sorted_json json.dumps(data, sort_keysTrue, indent2)1.3 基本的反序列化 (json.loads)import json # 一个JSON字符串 json_str {name: Bob, age: 25, hobbies: [gaming, reading]} # 将JSON字符串反序列化为Python字典 python_dict json.loads(json_str) print(python_dict) # {name: Bob, age: 25, hobbies: [gaming, reading]} print(type(python_dict)) # class dict # 访问数据 print(fHello, {python_dict[name]}! You are {python_dict[age]} years old.)第二部分实战案例 - 文件与API交互案例一读写JSON配置文件这是最常见的应用场景之一。import json from pathlib import Path # ---- 写入配置文件 ---- config { database_url: sqlite:///app.db, debug: True, allowed_hosts: [localhost, 127.0.0.1], api_keys: { openweathermap: your_api_key_here } } # 使用 json.dump 写入文件 config_path Path(config.json) with open(config_path, w, encodingutf-8) as f: json.dump(config, f, indent4, ensure_asciiFalse) # ensure_asciiFalse 允许直接存储非ASCII字符如中文而不是转义 print(f配置已保存至 {config_path}) # ---- 读取配置文件 ---- def load_config(path: Path) - dict: 安全地加载配置文件如果文件不存在则返回默认配置 if not path.exists(): print(f配置文件 {path} 不存在使用默认配置。) return {debug: False, allowed_hosts: []} try: with open(path, r, encodingutf-8) as f: return json.load(f) # 直接从文件对象加载 except json.JSONDecodeError as e: print(f配置文件格式错误: {e}) return {} except Exception as e: print(f读取配置文件时出错: {e}) return {} # 加载并使用配置 current_config load_config(config_path) print(fDebug模式: {current_config.get(debug, False)})解析:json.load()和json.dump()直接操作文件句柄非常方便。务必使用try-except来处理文件不存在或JSON格式错误的情况。案例二与Web API交互 (以获取天气为例)我们将使用requests库需pip install requests来演示。import json import requests from typing import Optional, Dict, Any def get_weather(city: str, api_key: str) - Optional[Dict[Any, Any]]: 调用OpenWeatherMap API获取天气信息。 返回解析后的Python字典或None如果失败。 base_url http://api.openweathermap.org/data/2.5/weather params { q: city, appid: api_key, units: metric # 使用摄氏度 } try: response requests.get(base_url, paramsparams, timeout10) # 检查HTTP状态码 if response.status_code 200: # 方式1: 让 requests 自动解析JSON data response.json() # 这行代码内部调用了 json.loads(response.text) # 方式2: 手动解析 (等效) # data json.loads(response.text) return data else: print(f请求失败: HTTP {response.status_code}, {response.text}) return None except requests.exceptions.RequestException as e: print(f网络请求异常: {e}) return None except json.JSONDecodeError as e: print(f响应不是有效的JSON: {e}) return None # 使用函数 api_key your_actual_api_key # 替换为你的实际API Key weather_data get_weather(Beijing, api_key) if weather_data: # 提取关键信息 main_info weather_data[main] weather_desc weather_data[weather][0][description] print(f城市: {weather_data[name]}) print(f温度: {main_info[temp]}°C) print(f体感温度: {main_info[feels_like]}°C) print(f天气: {weather_desc.capitalize()}) print(f气压: {main_info[pressure]} hPa) else: print(无法获取天气信息。)解析:requests.get().json()是最常用的方式它会自动处理编码并调用json.loads。即使API返回了JSON也可能包含业务逻辑错误如无效的城市名所以要检查status_code。网络请求可能超时或失败必须用try-except捕获RequestException。第三部分高级主题与自定义处理3.1 处理不支持的数据类型json模块不能直接序列化所有Python类型例如datetime、set、自定义类实例。import json from datetime import datetime, date from decimal import Decimal # 包含不支持类型的字典 complex_data { event_name: Conference, start_time: datetime.now(), # datetime 不是标准JSON类型 participants: {Alice, Bob}, # set 也不是 price: Decimal(99.99) # Decimal 通常需要转为float } # ❌ 直接序列化会报错 # json.dumps(complex_data) # TypeError: Object of type datetime is not JSON serializable # ---- 解决方案1: 使用 default 参数 ---- def custom_serializer(obj): 自定义序列化函数 if isinstance(obj, (datetime, date)): return obj.isoformat() # 转换为 ISO 8601 字符串 elif isinstance(obj, set): return list(obj) # 转换为列表 elif isinstance(obj, Decimal): return float(obj) # 或者 str(obj) 以保持精度 else: raise TypeError(fObject of type {type(obj)} is not JSON serializable) serialized json.dumps(complex_data, defaultcustom_serializer, indent2) print(serialized) # start_time 的值现在是一个字符串如 2026-03-18T10:30:45.123456 # ---- 解决方案2: 继承 JSONEncoder ---- class CustomJSONEncoder(json.JSONEncoder): def default(self, obj): if isinstance(obj, (datetime, date)): return obj.strftime(%Y-%m-%d %H:%M:%S) # 自定义格式 elif isinstance(obj, set): return sorted(obj) # 转为有序列表 elif isinstance(obj, Decimal): return str(obj) # 保持精确字符串 return super().default(obj) # 调用父类方法处理其他情况 # 使用自定义编码器 serialized_v2 json.dumps(complex_data, clsCustomJSONEncoder, indent2) print(serialized_v2)3.2 反序列化时的自定义处理 (object_hook)有时你希望将特定的JSON结构反序列化为特定的Python对象。import json from datetime import datetime # JSON字符串其中time字段是ISO格式的时间戳 json_str_with_date { event: Meeting, time: 2026-03-18T14:00:00, attendees: [Charlie, Diana] } # 自定义钩子函数 def datetime_hook(dct): 钩子函数遍历字典将符合时间格式的字符串转换为datetime对象。 for key, value in dct.items(): if key time and isinstance(value, str): try: # 尝试按指定格式解析 dct[key] datetime.fromisoformat(value) except ValueError: pass # 如果格式不对就保留原样 return dct # 使用 object_hook data json.loads(json_str_with_date, object_hookdatetime_hook) print(data) # {event: Meeting, time: datetime.datetime(2026, 3, 18, 14, 0), attendees: [Charlie, Diana]} print(type(data[time])) # class datetime.datetime解析:object_hook在每次创建一个字典对象时都会被调用允许你修改它。这对于构建领域模型非常有用。3.3 处理大文件流 (json.JSONDecoder)对于巨大的JSON文件一次性加载到内存可能不现实。ijson库需安装可以实现流式解析但标准库的json模块也能处理一些场景。import json # 对于一个巨大的JSON数组文件 # huge_array.json: [ {...}, {...}, ... ] def process_large_json_array(file_path): 流式处理大型JSON数组 with open(file_path, r, encodingutf-8) as f: # 假设整个文件是一个大的数组 decoder json.JSONDecoder() buffer depth 0 start 0 # 这种方式比较复杂通常推荐使用 ijson # 更简单的做法如果文件是每行一个JSON对象JSON Lines格式 pass # 更常见的“大文件”解决方案JSON Lines (.jsonl) # 每行是一个独立的、有效的JSON对象 def process_json_lines(file_path): 处理JSON Lines格式的文件 results [] with open(file_path, r, encodingutf-8) as f: for line_num, line in enumerate(f, 1): line line.strip() if not line: # 跳过空行 continue try: data json.loads(line) # 处理单个对象 result process_single_record(data) results.append(result) except json.JSONDecodeError as e: print(f第{line_num}行JSON格式错误: {e}) return results第四部分最佳实践与陷阱总是处理异常:json.loads()和json.load()在遇到无效JSON时会抛出json.JSONDecodeError。文件I/O还会涉及FileNotFoundError,PermissionError等。务必使用try-except。注意编码: 读写文件时始终指定encodingutf-8以正确处理中文等Unicode字符。浮点数精度: JSON的数字是双精度浮点数。在序列化Decimal或高精度数值时可能会丢失精度。如果精度至关重要考虑先将它们序列化为字符串。循环引用: Python对象可能存在循环引用A的属性指向BB的属性又指向A。json.dumps()默认会检测并抛出RecursionError。确保你的数据结构是“树状”的没有环。性能:json模块是用C实现的非常快。对于绝大多数应用性能不是问题。不要信任输入: 来自外部的JSON数据可能是恶意的。在反序列化后对数据进行验证例如检查类型、范围是必要的安全措施。结语JSON是连接不同系统、不同语言的通用语言。Python的json模块以其简洁的API和强大的功能让这种连接变得异常容易。通过本篇博客的学习你应该已经掌握了如何在Python对象和JSON字符串/文件之间进行双向转换。如何处理配置文件和Web API等真实世界的案例。如何通过default、cls和object_hook来扩展模块处理自定义类型。流式处理大数据的基本思路。