免费python编程教程：https://pan.quark.cn/s/2c17aed36b72
在数据驱动的编程世界中，JSON（JavaScript Object Notation）已成为跨平台数据交换的标准格式。Python通过内置的json模块，为开发者提供了简洁高效的工具集，无需安装第三方库即可完成JSON数据的序列化与反序列化。本文将以通俗易懂的方式，结合实际案例，深入解析json模块的核心功能、参数配置及进阶用法。
一、JSON与Python的数据对话
1.1 为什么选择JSON？
JSON以键值对（Key-Value）为核心结构，支持嵌套对象和数组，具有轻量级、易读写的特点。例如，一个用户信息可以表示为：
{
"name": "张三",
"age": 28,
"hobbies": ["阅读", "旅行"]
}
这种格式既适合人类阅读，也能被大多数编程语言快速解析，成为API接口、配置文件的首选格式。
1.2 Python与JSON的天然契合
Python的字典（dict）和列表（list）与JSON结构高度相似。例如：
user_data = {
"name": "张三",
"age": 28,
"hobbies": ["阅读", "旅行"]
}
通过json模块，可轻松实现Python对象与JSON字符串的相互转换。
二、核心四函数：序列化与反序列化的基石
json模块提供四个核心函数，分别处理字符串与文件的转换：
函数 作用 输入类型 输出类型
json.dumps() Python对象→JSON字符串 dict/list等 str
json.loads() JSON字符串→Python对象 str dict/list等
json.dump() Python对象→JSON文件 dict/list等 文件写入
json.load() JSON文件→Python对象 文件读取 dict/list等
2.1 基础操作示例
场景1：将字典转为JSON字符串
import json
data = {"name": "李四", "score": 95}
json_str = json.dumps(data)
print(json_str) # 输出: {"name": "李四", "score": 95}
场景2：从JSON字符串还原字典
json_str = '{"name": "王五", "score": 88}'
data = json.loads(json_str)
print(data["name"]) # 输出: 王五
场景3：写入JSON文件
data = {"product": "手机", "price": 2999}
with open("product.json", "w", encoding="utf-8") as f:
json.dump(data, f)
场景4：读取JSON文件
with open("product.json", "r", encoding="utf-8") as f:
data = json.load(f)
print(data["price"]) # 输出: 2999
三、参数配置：让JSON输出更优雅
3.1 格式化输出：indent与separators
默认生成的JSON字符串紧凑无换行，通过indent参数可实现层级缩进：
data = {"a": 1, "b": {"c": 2}}
pretty_json = json.dumps(data, indent=4)
print(pretty_json)
输出：
{
"a": 1,
"b": {
"c": 2
}
}
separators参数可自定义分隔符，去除多余空格：
compact_json = json.dumps(data, separators=(",", ":"))
print(compact_json) # 输出: {"a":1,"b":{"c":2}}
3.2 键排序：sort_keys
通过sort_keys=True按字母顺序排列键：
data = {"b": 2, "a": 1}
sorted_json = json.dumps(data, sort_keys=True)
print(sorted_json) # 输出: {"a": 1, "b": 2}
3.3 中文处理：ensure_ascii
默认将非ASCII字符（如中文）转义为Unicode码：
data = {"name": "张三"}
print(json.dumps(data)) # 输出: {"name": "\u5f20\u4e09"}
设置ensure_ascii=False保留原字符：
print(json.dumps(data, ensure_ascii=False)) # 输出: {"name": "张三"}
四、进阶应用：处理复杂数据类型
4.1 自定义对象序列化
Python类实例无法直接转为JSON，需通过default参数指定转换函数：
class Student:
def init(self, name, age):
self.name = name
self.age = age
def student_encoder(obj):
if isinstance(obj, Student):
return {"name": obj.name, "age": obj.age}
raise TypeError("Object not serializable")
student = Student("赵六", 20)
json_str = json.dumps(student, default=student_encoder)
print(json_str) # 输出: {"name": "赵六", "age": 20}
4.2 自定义对象反序列化
通过object_hook参数将JSON字典还原为类实例：
def student_decoder(dct):
if "name" in dct and "age" in dct:
return Student(dct["name"], dct["age"])
return dct
json_str = '{"name": "钱七", "age": 22}'
student = json.loads(json_str, object_hook=student_decoder)
print(student.name) # 输出: 钱七
4.3 处理日期等特殊类型
JSON标准不支持日期类型，需手动转换为字符串：
from datetime import datetime
data = {"event": "会议", "time": datetime.now()}
def date_encoder(obj):
if isinstance(obj, datetime):
return obj.isoformat()
return obj
json_str = json.dumps(data, default=date_encoder)
print(json_str) # 输出: {"event": "会议", "time": "2025-10-20T12:00:00"}
五、异常处理：构建健壮的JSON解析
5.1 捕获无效JSON
解析时可能遇到格式错误的JSON字符串，需用try-except捕获异常：
invalid_json = '{"name": "孙八",}'
try:
data = json.loads(invalid_json)
except json.JSONDecodeError as e:
print(f"JSON解析错误: {e}") # 输出: JSON解析错误: Expecting property name enclosed in double quotes
5.2 文件操作安全
读写文件时建议使用with语句自动管理资源，并处理文件不存在等异常：
try:
with open("nonexistent.json", "r") as f:
data = json.load(f)
except FileNotFoundError:
print("文件不存在")
except json.JSONDecodeError:
print("文件内容非有效JSON")
六、性能优化：大数据量处理技巧
6.1 流式处理大文件
对于大型JSON文件，可使用ijson库逐项解析，避免内存溢出：
import ijson
with open("large_data.json", "r") as f:
for item in ijson.items(f, "item"):
print(item) # 逐项处理
6.2 批量写入优化
写入大量数据时，可先构建完整字典再一次性写入：
datalist = [{"id": i, "value": f"item{i}"} for i in range(10000)]
with open("bulk_data.json", "w") as f:
json.dump(data_list, f)
七、第三方库扩展：jsonpath与orjson
7.1 jsonpath：精准筛选嵌套数据
安装jsonpath-ng库后，可像XPath一样查询JSON：
from jsonpath_ng import parse
data = {
"store": {
"book": [
{"title": "Python入门", "price": 39},
{"title": "算法导论", "price": 89}
]
}
}
jsonpath_expr = parse("$.store.book[*].title")
titles = [match.value for match in jsonpath_expr.find(data)]
print(titles) # 输出: ["Python入门", "算法导论"]
7.2 orjson：高性能序列化
对于追求速度的场景，orjson库比标准库快3-5倍：
import orjson
data = {"key": "value"}
json_str = orjson.dumps(data).decode("utf-8")
print(json_str) # 输出: {"key":"value"}
八、总结与最佳实践
基础场景：使用json.dumps()/json.loads()处理字符串，json.dump()/json.load()操作文件。
格式优化：通过indent、sort_keys提升可读性，ensure_ascii=False保留中文。
复杂类型：自定义default和object_hook处理类实例、日期等非标准类型。
异常处理：捕获JSONDecodeError和文件操作异常，增强程序健壮性。
性能考量：大数据量时考虑流式处理或orjson等高性能库。
Python的json模块以简洁的API覆盖了绝大多数JSON处理需求，结合参数配置与异常处理机制，既能满足快速开发需求，也能构建生产级可靠的应用。通过理解其核心原理与扩展技巧，开发者可更高效地完成数据交换任务。