Python之JSON：数据交换的轻量级桥梁

引言：无处不在的数据格式

在现代软件开发中，JSON（JavaScript Object Notation）已成为跨平台数据交换的事实标准。这种轻量级数据格式以人类可读的文本为基础，兼具简洁性和高效性，完美契合Python的字典数据结构。Python通过内置json模块提供了完整的JSON处理能力，使开发者能轻松实现数据序列化与反序列化。

---

一、JSON与Python的映射关系

JSON与Python数据类型存在天然对应关系：

JSON类型 Python类型 示例 对象（{}） dict {\"name\": \"Alice\"} 数组（[]） list [1, 2, 3] 字符串 str \"Python\" 数字 int/float 42/3.14 true/false True/False 布尔值 null None 空值

这种对称性使转换过程直观高效，例如：

import json# Python → JSONdata = {\"project\": \"Apollo\", \"year\": 1969}json_str = json.dumps(data) # 输出: {\"project\": \"Apollo\", \"year\": 1969}# JSON → Pythonrestored = json.loads(json_str) # 恢复原始字典

---

二、核心四剑客：序列化与反序列化

json模块提供四个核心函数处理不同场景：

1. dumps()：对象到字符串

config = { \"debug\": False, \"threshold\": 0.8, \"plugins\": [\"filter\", \"enhance\"]}json_str = json.dumps(config, indent=2) # 缩进美化输出

2. loads()：字符串到对象

user_data = \'{\"id\": 101, \"preferences\": {\"theme\": \"dark\"}}\'user_dict = json.loads(user_data)print(user_dict[\"preferences\"][\"theme\"]) # 输出: dark

3. dump()：对象到文件

with open(\"config.json\", \"w\") as f: json.dump(config, f, ensure_ascii=False) # 保留非ASCII字符

4. load()：文件到对象

with open(\"data.json\", \"r\") as f: restored_data = json.load(f)

---

三、处理复杂场景

自定义对象序列化

通过继承JSONEncoder处理自定义类：

class User: def __init__(self, name, age): self.name = name self.age = ageclass UserEncoder(json.JSONEncoder): def default(self, obj): if isinstance(obj, User): return {\"name\": obj.name, \"age\": obj.age} return super().default(obj)user = User(\"Bob\", 30)print(json.dumps(user, cls=UserEncoder)) # 输出: {\"name\": \"Bob\", \"age\": 30}

日期时间处理

from datetime import datetimedef datetime_handler(obj): if isinstance(obj, datetime): return obj.isoformat() raise TypeError(\"Type not serializable\")event = {\"time\": datetime.now(), \"action\": \"login\"}json.dumps(event, default=datetime_handler) # 输出: {\"time\": \"2023-07-15T12:30:45\", \"action\": \"login\"}

---

四、实战案例：API数据处理

模拟从天气API获取数据并分析：

import jsonimport requests# 1. 获取API数据response = requests.get(\"https://api.weather.com/v3/forecast\")raw_data = response.text# 2. 解析JSONweather_data = json.loads(raw_data)# 3. 提取关键信息forecasts = [ { \"date\": day[\"date\"], \"temp\": day[\"temp\"][\"avg\"], \"conditions\": day[\"conditions\"] } for day in weather_data[\"forecast\"][:3] # 取前三日]# 4. 保存结构化数据with open(\"forecast.json\", \"w\") as f: json.dump(forecasts, f, indent=2)

---

五、高级技巧与陷阱规避

1. 性能优化

• 大文件处理：使用ijson库流式解析
• 加速解析：ujson库（第三方）速度提升3倍

2. 安全陷阱

反序列化时警惕JSON劫持：

# 危险：执行任意代码恶意数据 = \'{\"__init__\": {\"__globals__\": {\"os\": {\"system\": \"rm -rf /*\"}}}}\'# 安全方式：仅加载可信数据源

3. 特殊值处理

# NaN/Infinity转换data = {\"value\": float(\"nan\")}json.dumps(data, allow_nan=False) # 抛出ValueError

---

六、JSON与其他格式对比

特性 JSON XML Pickle 可读性 ★★★★☆ ★★★☆☆ ★☆☆☆☆ 安全性 ★★★★☆ ★★★★☆ ★☆☆☆☆ Python兼容性 ★★★★☆ ★★☆☆☆ ★★★★★ 数据类型支持 基础类型 自定义类型 所有Python对象 跨语言支持 全平台 全平台 Python专用

---

结语：优雅的数据之舞

JSON在Python中的优雅实现，如同在数据海洋中架起一座轻巧而坚固的桥梁。从简单的配置存储到复杂的分布式系统通信，掌握json模块赋予开发者将结构化数据自由穿梭于内存、网络和存储介质的能力。随着Python生态的发展，JSON将继续作为数据交换的通用语言，在Web API、微服务、数据管道等场景中扮演核心角色。

通过本文的实例与技术解析，读者可建立完整的JSON处理知识体系。实际开发中，建议结合具体场景选择序列化策略，并始终将数据安全置于首位。