怎么使用Python解析JSON

# 怎么使用Python解析JSON

JSON（JavaScript Object Notation）是一種輕量級的數據交換格式，因其易讀性和跨平臺特性被廣泛應用于Web開發和數據存儲。Python作為一門強大的編程語言，提供了多種解析JSON數據的方式。本文將詳細介紹如何使用Python內置模塊和第三方庫高效解析JSON數據。

## 目錄
1. [JSON基礎介紹](#json基礎介紹)
2. [Python內置json模塊](#python內置json模塊)
   - [json.loads()方法](#jsonloads方法)
   - [json.load()方法](#jsonload方法)
   - [json.dumps()與json.dump()](#jsondumps與jsondump)
3. [處理復雜JSON結構](#處理復雜json結構)
4. [第三方庫推薦](#第三方庫推薦)
5. [性能優化建議](#性能優化建議)
6. [實際應用案例](#實際應用案例)
7. [常見問題解答](#常見問題解答)

---

## JSON基礎介紹
JSON采用鍵值對的形式組織數據，支持以下數據類型：
- 字符串（必須用雙引號）
- 數字（整數或浮點數）
- 布爾值（true/false）
- 數組（有序集合）
- 對象（無序鍵值對）
- null

示例JSON：
```json
{
  "name": "張三",
  "age": 30,
  "is_student": false,
  "courses": ["數學", "物理"],
  "address": {
    "city": "北京",
    "postal": "100000"
  }
}

Python內置json模塊

json.loads()方法

將JSON字符串轉換為Python對象：

import json

json_str = '{"name": "李四", "age": 25}'
data = json.loads(json_str)
print(type(data))  # <class 'dict'>
print(data["name"])  # 李四

json.load()方法

從文件讀取JSON數據：

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

json.dumps()與json.dump()

將Python對象轉換為JSON：

data = {
    "name": "王五",
    "score": 95.5
}

# 轉換為字符串
json_str = json.dumps(data, ensure_ascii=False, indent=2)

# 寫入文件
with open('output.json', 'w') as f:
    json.dump(data, f)

參數說明： - ensure_ascii=False 允許非ASCII字符 - indent=2 美化輸出格式

處理復雜JSON結構

嵌套對象訪問

data = {
    "user": {
        "profile": {
            "address": {
                "city": "上海"
            }
        }
    }
}

# 使用鏈式get()避免KeyError
city = data.get('user', {}).get('profile', {}).get('address', {}).get('city')

處理JSON數組

students = '''
[
    {"id": 1, "name": "小明"},
    {"id": 2, "name": "小紅"}
]
'''

data = json.loads(students)
for student in data:
    print(student["name"])

第三方庫推薦

1. simplejson

import simplejson as json  # 兼容性更好，支持更多數據類型

2. ujson（UltraJSON）

import ujson  # 性能比內置json快3-5倍

3. orjson（Rust實現）

import orjson  # 目前最快的JSON庫，支持datetime

性能對比（處理1MB JSON）：

性能優化建議

1. 批量處理：避免在循環中多次解析
2. 使用生成器：處理大型JSON流

   
   def stream_json(file_path):
      with open(file_path) as f:
          for line in f:
              yield json.loads(line)
   

3. 內存映射：處理超大文件

   
   import mmap
   with open('big.json') as f:
      mm = mmap.mmap(f.fileno(), 0, access=mmap.ACCESS_READ)
      data = json.load(mm)
   

實際應用案例

案例1：API響應處理

import requests

response = requests.get('https://api.example.com/data')
if response.status_code == 200:
    data = response.json()  # 直接獲取解析后的字典

案例2：配置文件讀取

config = {}
try:
    with open('config.json') as f:
        config = json.load(f)
except FileNotFoundError:
    print("配置文件不存在")

案例3：數據清洗

def clean_json(data):
    return {
        k: v for k, v in data.items() 
        if v is not None and v != ''
    }

常見問題解答

Q1: 如何處理JSON中的日期格式？

from datetime import datetime

class DateTimeEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat()
        return super().default(obj)

json.dumps({"time": datetime.now()}, cls=DateTimeEncoder)

Q2: 解析時出現Unicode解碼錯誤怎么辦？

# 指定正確的編碼
json.loads(json_str.encode('utf-8').decode('unicode_escape'))

Q3: 如何驗證JSON格式是否合法？

def is_valid(json_str):
    try:
        json.loads(json_str)
        return True
    except ValueError:
        return False

通過本文的學習，您應該已經掌握了Python處理JSON的核心方法。建議在實際項目中： 1. 小數據量使用內置json模塊 2. 性能敏感場景選擇orjson 3. 處理特殊數據類型時自定義編碼器

最佳實踐：始終對JSON解析進行異常處理，防止無效數據導致程序崩潰 “`