《Python 中 JSON 的魔法秘籍：从入门到精通的进阶指南》

在当今数字化时代，网络编程无处不在，数据的高效传输与交互是其核心。JSON 作为一种轻量级的数据交换格式，凭借其简洁、易读、跨语言的特性，成为网络编程中数据传输与存储的关键技术。无论是前后端数据交互，还是不同系统间的信息共享，JSON 都扮演着重要角色。Python 作为广泛应用于网络编程的编程语言，熟练掌握 JSON 在 Python 中的使用方法，是开发者实现高效数据处理与交互的必备技能，能够显著提升网络应用的性能和稳定性。

JSON简介

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，在 Python 中，json模块提供了处理 JSON 数据的功能，使得 Python 程序可以方便地对数据进行序列化（将 Python 数据类型转换为 JSON 格式的字符串）和反序列化（将 JSON 格式的字符串转换回 Python 数据类型）。以下是 JSON 在 Python 中的详细使用方法：

序列化（编码）

• json.dumps()：将 Python 对象转换为 JSON 格式的字符串。支持的 Python 对象类型有字典、列表、元组、字符串、数字、布尔值和None，转换规则为：字典转换为 JSON 对象，列表和元组转换为 JSON 数组，字符串、数字、布尔值和None保持原有格式。

import jsondata = {"name": "Alice","age": 30,"hobbies": ["reading", "traveling"]
}
json_str = json.dumps(data)
print(json_str) 

• json.dump()：将 Python 对象序列化后写入到文件对象中。使用时需先打开文件，并指定合适的编码（通常为utf - 8），操作完成后文件会自动关闭（若使用with语句）。

import jsondata = [1, 2, 3, 4]
with open('data.json', 'w', encoding='utf - 8') as f:json.dump(data, f)

反序列化（解码）

• json.loads()：将 JSON 格式的字符串转换为 Python 对象。转换后的 Python 对象类型与原 JSON 数据结构对应，如 JSON 对象转换为 Python 字典，JSON 数组转换为 Python 列表。

import jsonjson_str = '{"name": "Bob", "age": 25, "is_student": false}'
data = json.loads(json_str)
print(data) 

• json.load()：从文件对象中读取 JSON 数据并反序列化为 Python 对象。同样，使用with语句打开文件，确保文件操作的安全性和规范性。

import jsonwith open('data.json', 'r', encoding='utf - 8') as f:data = json.load(f)print(data)

格式化输出：

在使用json.dumps()时，可通过参数对输出的 JSON 字符串进行格式化，提高可读性。

• indent参数：指定缩进的空格数，使 JSON 字符串按层级结构缩进显示。

import jsondata = {"person": {"name": "Charlie","details": {"age": 35,"city": "New York"}}
}
formatted_json = json.dumps(data, indent=4)
print(formatted_json)

• separators参数：用于指定 JSON 字符串中项与项、键与值之间的分隔符。默认分隔符是, 和: ，可根据需求调整。

import jsondata = {"key1": "value1", "key2": "value2"}
custom_separators_json = json.dumps(data, separators=(',', ':'))
print(custom_separators_json) 

处理特殊数据类型：

JSON 本身不支持所有 Python 数据类型，如日期时间、自定义类的实例等。处理这些特殊数据类型时，需要额外操作。

• 日期时间类型：先将日期时间对象转换为字符串，再进行 JSON 序列化。

import json
from datetime import datetimenow = datetime.now()
now_str = now.strftime('%Y-%m-%d %H:%M:%S')
data = {"time": now_str}
json_data = json.dumps(data)
print(json_data) 

• 自定义类的实例：通过继承json.JSONEncoder类，并重写default()方法，指定自定义类实例的序列化方式；反序列化时，利用object_hook参数传入自定义函数解析 JSON 数据为自定义类实例。

import jsonclass Point:def __init__(self, x, y):self.x = xself.y = yclass PointEncoder(json.JSONEncoder):def default(self, o):if isinstance(o, Point):return {'x': o.x, 'y': o.y}return super().default(o)def point_decoder(dct):if 'x' in dct and 'y' in dct:return Point(dct['x'], dct['y'])return dctpoint = Point(1, 2)
json_str = json.dumps(point, cls=PointEncoder)
loaded_point = json.loads(json_str, object_hook=point_decoder)
print(loaded_point.x, loaded_point.y) 

 json.dumps函数详解

函数定义

json.dumps 函数用于将 Python 对象编码成 JSON 格式的字符串，其参数及用途如下：

参数名	含义	类型	默认值
obj	要转换为 JSON 字符串的 Python 对象，如字典、列表等	可序列化的 Python 对象	无
*	这个表示在这个 仅限关键字 标记 * 之后的形参都必须以关键字参数形式传递该形参，不能是位置形参！	仅限关键字参数	*
skipkeys	若为 True，当字典键不是基本类型（str、int、float、bool、None）时跳过该键；为 False 时遇非基本类型键会抛 TypeError 异常	布尔值	False
ensure_ascii	为 True 时，非 ASCII 字符转义为 \uXXXX 形式；为 False 时，非 ASCII 字符原样输出	布尔值	True
check_circular	为 True 时检查对象是否有循环引用，有则抛 ValueError 异常；为 False 不检查，可能导致无限递归	布尔值	True
allow_nan	为 True 时允许在 JSON 中使用 NaN、Infinity 和 -Infinity；为 False 遇这些值抛 ValueError 异常	布尔值	True
cls	自定义的 JSON 编码器类，用于处理特殊对象的序列化	类	None
indent	指定缩进的整数或字符串，使生成的 JSON 更易读。整数表示空格数，字符串（如 '\t'）则用该字符串缩进	整数或字符串	None
separators	元组 (item_separator, key_separator)，指定 JSON 字符串中元素和键值对的分隔符	元组	(', ', ': ')
default	处理无法直接序列化对象的函数，遇无法序列化对象时调用此函数	函数	None
sort_keys	为 True 时，生成的 JSON 字符串中键按字典序排序	布尔值	False
**kw	**kw 是关键字参数，用于接收任意数量的额外关键字参数，它本质上是一个字典。 它允许函数调用时接收显式定义外的关键字参数，并传递给自定义编码器类。在函数内，可通过 kw 字典访问这些参数，如调用 dumps 时传入 **{'a': 1, 'b': 2}，就能用 kw['a'] 和 kw['b'] 获取值。   **kw 可扩展函数功能，开发者按需传入额外参数实现特殊处理，无需修改原参数列表；也能促进函数交互，在复杂程序中传递通用参数，增强代码灵活性与可维护性。	无	无

**kw相关使用示例

import jsondata = {'name': 'Alice', 'age': 30}
json_str = json.dumps(data, ensure_ascii=False, my_custom_param='value') 
# 这里的my_custom_param就是通过**kw传递的额外参数
print(json_str)

在上述示例中，my_custom_param 就是通过 **kw 传递的额外参数。虽然在标准的 json.dumps() 函数中，并没有定义 my_custom_param 这个参数，但通过 **kw 可以接收并在函数内部进行相应的处理。不过在标准库的 json.dumps() 函数中，并不会对自定义的 my_custom_param 做任何处理，只是将其作为 kw 字典的一个键值对保存下来。如果是自定义的 dumps 函数，可以在函数内部对 kw 中的参数进行相应的逻辑处理。

json.dumps完整使用示例

import json
from datetime import datetime# 自定义编码器处理日期对象
class CustomJSONEncoder(json.JSONEncoder):def default(self, obj):if isinstance(obj, datetime):return obj.strftime('%Y-%m-%d %H:%M:%S')return super().default(obj)# 定义一个包含多种类型数据的 Python 对象
data = {'name': '张三','age': 25,'is_student': True,'grades': [90, 85, 92],'birth_date': datetime(1999, 10, 15),('tuple_key',): '特殊键值'  # 非基本类型键
}# 使用 json.dumps 函数进行转换
try:json_str = json.dumps(data,skipkeys=True,  # 跳过非基本类型的键ensure_ascii=False,  # 不转义非 ASCII 字符check_circular=True,  # 检查循环引用allow_nan=True,  # 允许 NaN 等特殊值cls=CustomJSONEncoder,  # 使用自定义编码器indent=4,  # 缩进 4 个空格separators=(',', ':'),  # 设置分隔符default=None,  # 这里使用自定义编码器，可不设置 defaultsort_keys=True  # 按键排序)print(json_str)
except (TypeError, ValueError) as e:print(f"转换出错: {e}")

代码解释

1. 自定义编码器 CustomJSONEncoder：继承自 json.JSONEncoder，重写 default 方法，处理 datetime 对象的序列化。
2. 定义数据对象 data：包含字符串、整数、布尔值、列表、日期对象和非基本类型键。
3. 调用 json.dumps 函数：设置多个参数进行转换，包括跳过非基本类型键、不转义非 ASCII 字符、使用自定义编码器等。
4. 异常处理：捕获可能的 TypeError 和 ValueError 异常并输出错误信息。

json.loads详解

json.loads函数定义：

json.loads 函数用于将 JSON 格式的字符串解析为 Python 对象，以下是其各个形参的详细介绍：

形参	类型	描述	默认值
s	str	必需参数，包含 JSON 数据的字符串，loads 函数会将其解析为对应的 Python 对象。	无
*	这个表示在这个 仅限关键字 标记 * 之后的形参都必须以关键字参数形式传递该形参，不能是位置形参！	仅限关键字参数	*
cls	class	自定义的 JSON 解码器类。若提供该类，会使用此类进行 JSON 数据的解码操作。	None
object_hook	callable	当解析到 JSON 对象（字典）时调用的函数。此函数接收一个字典作为参数，并返回一个 Python 对象，可用于对解析后的字典进行自定义处理。	None
parse_float	callable	用于解析 JSON 中浮点数的函数。解析到浮点数时会调用该函数，它接收一个字符串参数，并返回一个 Python 浮点数对象，可自定义浮点数的解析方式。	None
parse_int	callable	用于解析 JSON 中整数的函数。解析到整数时会调用该函数，它接收一个字符串参数，并返回一个 Python 整数对象，可自定义整数的解析方式。	None
parse_constant	callable	用于解析 JSON 中常量（如 NaN、Infinity、-Infinity）的函数。解析到这些常量时会调用该函数，它接收常量对应的字符串作为参数，并返回一个 Python 对象。	None
object_pairs_hook	callable	当解析到 JSON 对象（字典）时调用的函数，与 object_hook 不同的是，它接收一个由键值对元组组成的列表作为参数，常用于处理键重复的情况或需要保留键值对顺序的场景。	None
**kw	可变关键字参数	接收其他额外的关键字参数，可传递给自定义的解码器类。 同json.dumps函数	无

json.loads 完整使用示例

import json
import math# 自定义解码器类
class CustomDecoder(json.JSONDecoder):def decode(self, s):result = super().decode(s)if isinstance(result, dict):for key, value in result.items():if isinstance(value, str):result[key] = value.upper()return result# 自定义对象钩子函数
def custom_object_hook(dct):if 'name' in dct:dct['greeting'] = f"HELLO, {dct['name']}!"return dct# 自定义浮点数解析函数
def custom_parse_float(s):return float(s) * 2# 自定义常量解析函数
def custom_parse_constant(s):if s == 'NaN':return math.nanelif s == 'Infinity':return math.infelif s == '-Infinity':return -math.inf# 自定义对象对钩子函数
def custom_object_pairs_hook(pairs):result = {}for key, value in pairs:if key in result:result[key] = [result[key], value]else:result[key] = valuereturn result# 包含 JSON 数据的字符串
json_str = '{"name": "John", "price": 9.99, "value": NaN, "name": "Doe"}'# 使用 json.loads 进行解析
python_obj = json.loads(json_str,cls=CustomDecoder,object_hook=custom_object_hook,parse_float=custom_parse_float,parse_constant=custom_parse_constant,object_pairs_hook=custom_object_pairs_hook
)print(python_obj)

代码解释

1. 自定义解码器类 CustomDecoder：对解析后的字典中的字符串值进行大写转换。
2. 自定义对象钩子函数 custom_object_hook：当解析结果包含 name 键时，添加一个 greeting 键。
3. 自定义浮点数解析函数 custom_parse_float：将解析到的浮点数乘以 2。
4. 自定义常量解析函数 custom_parse_constant：处理 NaN、Infinity 和 -Infinity 常量。
5. 自定义对象对钩子函数 custom_object_pairs_hook：处理键重复的情况，将重复键的值合并为列表。
6. 调用 json.loads：传入自定义的解码器类和各个钩子函数，对 JSON 字符串进行解析。

总结： 文章围绕 JSON 在 Python 中的使用展开。先是介绍了 JSON 的概念，以及在 Python 中json模块处理 JSON 数据的关键作用。接着从序列化和反序列化入手，讲解json.dumps()、json.dump()、json.loads()、json.load()等函数的使用，还提及利用indent、separators参数对 JSON 字符串格式化输出。还针对 JSON 不支持的日期时间、自定义类实例等特殊数据类型，给出了相应的处理办法。  最后还从python源码的角度详细分析了json.dumps函数和json.loads函数的详细使用方法，包含各个形参的介绍和使用示例等。