### Python `json` 模块核心用法与常见问题解析 问题解构：用户输入的“python中josn”是“python中json”的拼写错误。核心需求是了解Python标准库中的`json`模块及其使用。这通常包含四个方面：1）模块的基础用法（序列化与反序列化）；2）处理文件读写；3）高级定制功能（如处理复杂对象或格式化）；4）实际应用中可能遇到的常见问题及其解决方案。 方案推演：基于参考资料，答案将首先阐述JSON与Python数据类型的基本映射关系，然后系统介绍`json.dumps()`, `json.loads()`, `json.dump()`, `json.load()`这四个核心函数，并通过代码示例展示其用法。接着，会讲解用于美化输出、处理非ASCII字符、解析复杂结构等的高级参数。最后，针对常见错误如`JSONDecodeError`、处理自定义对象等提供实践指南。 #### 一、 JSON与Python数据类型映射 JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，Python的`json`模块提供了在JSON格式和Python对象之间进行转换的功能[ref_1]。它们之间的数据类型对应关系如下： | JSON 类型 | Python 类型 | 说明与示例 | | :--- | :--- | :--- | | `object` | `dict` | 花括号 `{}` 包裹的键值对集合。 | | `array` | `list` | 方括号 `[]` 包裹的值的有序列表。 | | `string` | `str` | 双引号 `""` 包裹的Unicode字符序列。 | | `number` (int) | `int` | 整数，如 `42`。 | | `number` (real) | `float` | 浮点数，如 `3.14`。 | | `true` / `false` | `True` / `False` | 布尔值。 | | `null` | `None` | 空值。 | 了解此映射是进行所有`json`操作的基础[ref_3]。 #### 二、 核心函数用法与代码示例 `json`模块主要通过四个函数完成核心任务，可分为“字符串转换”和“文件操作”两组[ref_5]。 **1. `json.dumps()`：将Python对象序列化为JSON格式字符串** ```python import json # 定义一个Python字典（对应JSON对象） data = { "name": "张三", "age": 30, "skills": ["Python", "Java"], "is_employed": True, "address": None } # 基础序列化 json_str = json.dumps(data) print("基础序列化结果:", json_str) # 输出（默认ensure_ascii=True，中文字符被转义）：{"name": "\u5f20\u4e09", "age": 30, "skills": ["Python", "Java"], "is_employed": true, "address": null} # 美化输出：indent参数指定缩进空格数 pretty_json_str = json.dumps(data, indent=4, ensure_ascii=False) print("美化并保留中文的序列化结果:") print(pretty_json_str) # 输出格式规整，中文正常显示 ``` `json.dumps()` 的关键参数包括： * `ensure_ascii`: 默认为`True`，非ASCII字符（如中文）会被转义为`\uXXXX`。设置为`False`可保持原样输出[ref_5]。 * `indent`: 定义缩进空格数，使输出的JSON字符串更易读。 * `sort_keys`: 默认为`False`。设为`True`时，输出的字典键会按字母顺序排序[ref_6]。 **2. `json.loads()`：将JSON格式字符串反序列化为Python对象** ```python # 接上例，使用转义后的json_str python_obj_from_str = json.loads(json_str) print("反序列化得到的Python对象类型:", type(python_obj_from_str)) # <class 'dict'> print("访问对象中的‘name’键:", python_obj_from_str["name"]) # 输出：张三 # 注意：json.loads()会自动处理Unicode转义字符，将其还原为‘张三’ ``` 这是从网络API响应或字符串数据中解析JSON的常用方法[ref_3]。 **3. `json.dump()`：将Python对象序列化并直接写入文件对象** ```python # 将数据写入JSON文件 with open('data.json', 'w', encoding='utf-8') as f: json.dump(data, f, ensure_ascii=False, indent=2) # 执行后，当前目录会生成一个格式清晰、包含中文的data.json文件 ``` **4. `json.load()`：从文件对象中读取并反序列化为Python对象** ```python # 从JSON文件中读取数据 with open('data.json', 'r', encoding='utf-8') as f: data_from_file = json.load(f) print("从文件加载的数据:", data_from_file) ``` `json.dump()`和`json.load()`是处理持久化存储（如配置文件、数据缓存）的推荐方式，它们避免了手动进行字符串和文件的读写组合[ref_2]。 #### 三、 高级技巧与复杂数据处理 **1. 处理复杂嵌套结构与列表转换** Python列表（`list`）可以直接对应JSON数组（`array`）[ref_4]。`json`模块能无缝处理嵌套的列表和字典。 ```python # 复杂数据结构示例：列表内嵌套字典 complex_list = [ {"id": 1, "product": "Laptop", "tags": ["electronics", "new"]}, {"id": 2, "product": "Book", "tags": ["education"]} ] # 序列化复杂列表 json_complex = json.dumps(complex_list, indent=2, ensure_ascii=False) print("复杂列表序列化结果:\n", json_complex) # 反序列化后，数据结构完全恢复 restored_list = json.loads(json_complex) print("第一个产品的标签:", restored_list[0]["tags"]) # 输出：['electronics', 'new'] ``` **2. 处理自定义对象与`default`/`object_hook`参数** 默认情况下，`json.dumps()`无法序列化自定义的类实例。这时可以使用`default`参数指定一个函数，将对象转换为可序列化的类型（通常是字典）[ref_1]。 ```python class User: def __init__(self, name, user_id): self.name = name self.user_id = user_id def user_encoder(obj): """自定义编码函数""" if isinstance(obj, User): return {'name': obj.name, 'user_id': obj.user_id, '_type': 'User'} raise TypeError(f'Object of type {obj.__class__.__name__} is not JSON serializable') user = User("李四", 1001) # 使用default参数处理自定义对象 user_json = json.dumps(user, default=user_encoder, ensure_ascii=False) print("自定义对象序列化:", user_json) # {"name": "李四", "user_id": 1001, "_type": "User"} # 对应的，可以使用object_hook在反序列化时进行还原（此处为简单演示） def user_decoder(dct): if dct.get('_type') == 'User': return User(dct['name'], dct['user_id']) return dct user_obj = json.loads(user_json, object_hook=user_decoder) print("反序列化后对象类型:", type(user_obj)) # <class '__main__.User'> print("对象属性:", user_obj.name, user_obj.user_id) # 李四 1001 ``` #### 四、 常见问题与解决方案 | 问题场景 | 错误/表现 | 原因分析 | 解决方案 | | :--- | :--- | :--- | :--- | | **解析无效JSON字符串** | `json.decoder.JSONDecodeError` | 字符串格式不符合JSON规范，如键未用双引号、尾部多余逗号等。 | 检查并修正字符串格式。可使用在线JSON验证工具辅助排查。确保字符串来自可信源[ref_1]。 | | **序列化包含不支持类型的对象** | `TypeError: Object of type ... is not JSON serializable` | 尝试序列化`datetime`、自定义类实例等`json`模块默认不支持的类型。 | 1. 使用`default`参数提供自定义序列化函数（如上例）。<br>2. 先将对象转换为字典等支持的类型再序列化。 | | **中文字符显示为Unicode转义符** | 输出如 `"\u5f20\u4e09"` | `json.dumps()`的`ensure_ascii`参数默认为`True`。 | 在`json.dumps()`或`json.dump()`中设置`ensure_ascii=False`[ref_5]。 | | **从文件读取时编码错误** | `UnicodeDecodeError` | 文件保存的编码（如`gbk`）与读取时指定的编码（如`utf-8`）不一致。 | 确保`open()`函数中`encoding`参数与文件实际编码一致，通常推荐统一使用`utf-8`。 | | **处理超大JSON文件内存不足** | 内存占用过高或溢出 | 使用`json.load()`一次性将整个文件加载到内存。 | 使用`ijson`等第三方库进行流式解析（迭代解析），或者尝试手动分块读取和处理[ref_3]。 | | **数值精度丢失** | 整数过大或浮点数精度问题 | JSON标准本身对数字范围没有限制，但某些解析器（包括Python `json`）可能受限于实现或语言类型。 | 对于极大整数，可考虑先转为字符串存储。对于高精度浮点，可使用`decimal.Decimal`并配合自定义解析器。 | 通过掌握上述核心函数、高级参数及对常见问题的应对方法，开发者能够高效、稳健地在Python项目中处理JSON数据交换与存储任务。在实际Web开发、配置文件读写或API交互中，`json`模块是不可或缺的工具[ref_3]。