Python 标准库详解：Json 模块的使用_python json

一、模块简介

        json库是Python内置的一个标准库，用于在Python对象和JSON数据之间进行序列化和反序列化，json库在日常的开发中经常用到，它广泛应用于接口开发、配置管理、数据交换等场景。
        由于日常开发中会经常用到这个库，今天闲来无事，打算来总结一下一些常用的json库的一些方法以及参数的含义。
        本文会结合代码以及运行结果的方式来帮助你理解并真的会用他！

二、Json库的使用

 首先，json库是python内置的一个库，我们直接调用即可

import json

接下来，我们一起来看看json将Python对象进行序列化的两种方法

(后续标题会使用这种方法，可以简要了解一下*args和**kwargs，如下注）

注：在 Python 中，*args 和**kwargs 用于函数定义中接收可变数量的参数。*args表示接收任意数量的位置参数，函数内部将其打包为一个元组；而**kwargs 则用于接收任意数量的关键字参数，函数内部将其打包为一个字典。它们常用于不确定传入参数数量的场景，能够提高函数的灵活性与通用性。例如：def func(*args, **kwargs):就可以同时接收多个普通参数和命名参数。

2.1 序列化

2.1 json.dump(*args, **kwargs)方法

json.dump(obj, fp, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

将 Python 对象 编码成 JSON 格式，并 写入到类文件对象 fp 中。

其中各个参数的详解如下

参数 含义 默认值 obj 要序列化的 Python 对象（如 dict、list 等） — fp 类文件对象，必须支持 .write() 方法，如打开的文件句柄 — skipkeys 如果为 True，则字典中非字符串键会被跳过，否则会报 TypeError False ensure_ascii 如果为 True，所有非 ASCII 字符会转义为 \\uXXXX，否则输出原字符 True check_circular 如果为 False，允许循环引用，否则报 ValueError True allow_nan 如果为 True，允许 NaN, Infinity, -Infinity 并序列化为对应标识符，否则报 ValueError True cls 自定义的 JSONEncoder 子类，用于扩展序列化行为 None indent 缩进空格数；若为 None 则输出紧凑版；若为非负整数，则美化输出 None separators (item_sep, key_sep) 元组，定义项与项、键与值间分隔符；默认 (\',\', \': \') None default 可调用，遇到不可序列化对象时回调，将其转为可序列化类型 None sort_keys 如果为 True，字典的键会被排序后输出 False

        其中很常用的应该是obj，fp，ensure_ascii(想输出中文，一般会置为False)，indent(调整输出缩进，可以使json格式更美观)，sort_keys(用作排序)。

以下是一个简单的调用示例，将 Python 对象写入到 JSON 文件中。

import json# 创建一个字典对象data = { \'名字\': \'my\', \'年龄\': 20, \'tags\': [\'python\', \'博客\']}# 将字典写入到 data.json 文件中with open(\'out.json\', \'w\', encoding=\'utf-8\') as f: json.dump( data, f, ensure_ascii=False, # 保留中文 indent=2,  # 缩进 2 格 sort_keys=True # 字段按字母排序 )

运行过后会生成一个out.json文件，内容如下

        想要深刻的理解这些常用的参数，不妨我们试试修改他们，如果ensure_ascii置为True会是什么样子，非ASCii字符就会转为\\uXXXX，如下图所示

当我不适用缩进，也就是将indent置为0，会怎么样呢？

        就会变成这样，是不是没有有缩进的看着舒服呢？当不按字段排序也就是sort_keys置为False时，会是什么样子呢？

由这些可以知道，很好的利用这些参数，可以让可读性很强，观感更舒服。

总结：

• 将 Python 对象写入到 JSON 文件中
• 适合将数据保存为 JSON 格式的配置文件、缓存数据等
• indent以及sort_keys参数让文件内容更可读，常用于调试或用户可读场景

2.2 json.dumps(*args, **kwargs)方法

json.dumps(obj, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False) → str

将 Python 对象编码为 JSON 格式的 字符串

参数说明：和json.dump()几乎完全一致，区别是返回一个字符串，而不是写入文件。

以下是一个简单的调用示例，将 Python 对象转换成 JSON 字符串。

import json# 同样的 Python 对象data = { \'名字\': \'my\', \'年龄\': 20, \'tags\': [\'python\', \'博客\']}# 将 Python 对象转为 JSON 字符串json_str = json.dumps(data, ensure_ascii=False, indent=2)# 打印 JSON 字符串print(json_str)

打印内容如下

 总结：

• 将 Python 对象转换成 JSON 字符串
• dumps() 的结果是一个字符串，常用于传输数据（如发送给接口、保存数据库）
• 和 dump() 相比，区别是是否“写入文件”

 2.2 反序列化

2.2.1 json.load(*args, **kwargs)方法

json.load(fp, *, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None)

从类文件对象 fp 中读取 JSON 数据，并转换为 Python 对象

 其中各个参数的详解如下

参数名 类型 说明 fp 文件对象 打开并读取的 JSON 文件对象 cls type 自定义的 JSONDecoder 子类 object_hook function 将 JSON 对象（dict）转换为其他类型的函数 parse_float function 自定义将 JSON 浮点数转换为其他类型（如 Decimal） parse_int function 自定义将 JSON 整数转换为其他类型（如 float） parse_constant function 自定义解析常量 NaN、Infinity 等 object_pairs_hook function 代替 object_hook，保留键值顺序（如 OrderedDict）

 一般只需用到fp参数，其他参数可根据自己的需求来使用。

以下是一个简单的调用示例，从 JSON 文件中读取数据为 Python 对象。

import json# 假设已经存在out.json文件，并且文件内容是：# data = {# \'名字\': \'my\', # \'年龄\': 20, # \'tags\': [\'python\', \'博客\']# }# 从文件读取并转换为 Python 对象with open(\'out.json\', \'r\', encoding=\'utf-8\') as f: loaded_data = json.load(f)# 打印读取到的 Python 对象print(loaded_data)

 打印内容如下

 总结

• 从 JSON 文件中读取数据为 Python 对象

• 常用于读取配置、存储的数据文件

• 注意文件路径、编码要匹配

 2.2.2 json.loads(*args, **kwargs)方法

json.loads(s, *, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None) → obj

将 JSON 格式的 字符串 反序列化为 Python 对象

参数说明：与load()相同，但第一个参数是字符串 。

 以下是一个简单的调用示例，将 JSON 字符串解析成 Python 对象。

import json# 一个合法的 JSON 字符串json_str = \'{\"名字\": \"my\", \"年龄\": 20, \"tags\": [\"python\", \"博客\"]}\'# 转换为 Python 字典data = json.loads(json_str)# 访问其中的数据print(data[\'名字\']) # 输出：myprint(data[\'年龄\']) # 输出：20print(data[\'tags\']) # 输出：博客

打印内容如下

总结

• 将 JSON 字符串解析成 Python 对象
• JSON 中的 true、false、null 会自动映射为 Python 的 True、False、None。

2.3 总结对比 

分类 函数名 作 用 数据来源 数据目标 常用参数 ✅ 序列化 json.dump() 将 Python 对象写入到 JSON 文件 中 Python 对象 文件（.json） fp, indent, ensure_ascii, default, sort_keys ✅ 序列化 json.dumps() 将 Python 对象转换为 JSON 字符串 Python 对象 字符串（str） indent, ensure_ascii, default, sort_keys 🔄 反序列化 json.load() 从 JSON 文件中读取内容为 Python 对象 文件（.json） Python 对象（dict等） fp, object_hook, parse_float, parse_int 🔄 反序列化 json.loads() 将 JSON 字符串 转换为 Python 对象 字符串（str） Python 对象（dict等） object_hook, parse_float, parse_int

三、进阶用法：default 与 object_hook

3.1 default 参数 —— 定制化序列化（Python ➜ JSON）

        当我们在使用json.dump()或json.dumps()将 Python 对象转换为 JSON 时，如果对象中包含 JSON 标准不支持的类型（如datetime、自定义类对象等），就会抛出错误。这时就可以通过default参数，告诉 JSON 如何处理这些类型。

json.dumps(obj, default=custom_function)

参数说明：

• obj：要序列化的 Python 对象
• default：一个函数，接收一个不能序列化的对象，返回一个可被序列化的类型（如：字符串、数字、列表、字典）

 以下是一个简单示例，序列化一个datetime对象。

import jsonfrom datetime import datetime# 原始数据data = { \"event\": \"我的第一篇博客发表时间\", \"time\": datetime(2025, 6, 8, 15, 0)}# 自定义转换函数def datetime_serializer(obj): if isinstance(obj, datetime): return obj.isoformat() # 转为标准字符串 raise TypeError(f\"无法序列化类型: {type(obj)}\")# 使用 default 序列化json_str = json.dumps(data, default=datetime_serializer, ensure_ascii=False, indent=2)print(json_str)

打印内容如下

如果不进行该定制化序列化，该datetime就是JSON标准所不支持的类型，而提供了default的参数，会告诉JSON如何处理这些数据(也就是所定义的datetime_seriallizer函数)则会报错，而定制化序列化很好的解决了这个问题。下面我们来一个进阶例子。

以下是一个示例，序列化自定义类对象。

class Student: def __init__(self, name, score): self.name = name self.score = scorestudent = Student(\"小z\", 100)def student_serializer(obj): if isinstance(obj, Student): return {\"name\": obj.name, \"score\": obj.score} raise TypeError(\"无法序列化的对象\")json_str = json.dumps(student, default=student_serializer, ensure_ascii=False)print(json_str)

打印内容如下

 总结：

        default参数用于解决 无法被 JSON 默认序列化的对象（如自定义类、datetime等），它接收一个函数，将特殊对象转换为可被 JSON 接受的标准格式（如字典或字符串）。常用于json.dumps()和json.dump()中。

3.2 object_hook 参数：定制化反序列化（JSON ➜ Python 对象）

        当我们在使用json.load()或json.loads()将 JSON 字符串转为 Python 对象时，默认只返回 dict 类型。但我们可以通过object_hook参数，自定义将 JSON 字典转换为 Python 中的类实例，实现“还原成对象”。

json.loads(json_str, object_hook=custom_decoder)

参数说明：

• 待解析的 JSON 字符串
• 一个函数，它会接收反序列化后的每一个 JSON 对象（即字典dict），并返回转换后的 Python 对象
  (它会在 JSON 嵌套结构中从最内层到外层递归调用)

 以下是一个进阶示例，将 JSON 反序列化为自定义类

class Student: def __init__(self, name, score): self.name = name self.score = score# JSON 字符串json_str = \'{\"name\": \"小z\", \"score\": 100}\'# 自定义解码函数def dict_to_student(d): return Student(d[\'name\'], d[\'score\'])# 使用 object_hook 解码student = json.loads(json_str, object_hook=dict_to_student)print(student.name) # 小zprint(student.score) # 100

打印内容如下

        经过我们前面的学习，我们知道json.loads()会将json格式的数据反序列化为python对象，而我们所加的这个参数object_hook=dict_to_student，就等价于一个映射函数，将经典的python对象映射为我们所自定义的类对象。方便我们可以直接调用自定义类的功能。

下面我们来一个进阶例子，将带类型字段的 JSON 动态还原多个对象类型。

class Student: def __init__(self, name, score): self.name = name self.score = scoreclass Teacher: def __init__(self, name, subject): self.name = name self.subject = subjectjson_str = \'\'\'[ {\"type\": \"student\", \"name\": \"小z\", \"score\": 100}, {\"type\": \"teacher\", \"name\": \"小l\", \"subject\": \"数学\"}]\'\'\'def smart_decoder(d): if d.get(\"type\") == \"student\": return Student(d[\"name\"], d[\"score\"]) elif d.get(\"type\") == \"teacher\": return Teacher(d[\"name\"], d[\"subject\"]) return d # 默认返回 dictdata = json.loads(json_str, object_hook=smart_decoder)for obj in data: print(type(obj), vars(obj)) # 输出对象类型和属性字典

打印内容如下

这里只是在前者的例子上多加了一个自定义类，在映射函数中多加了一个判断逻辑。 

3.3 总结对比

参数名 用于方法 用途 输入数据类型 输出数据类型 default dumps() / dump() 自定义不可序列化对象的转换 非 JSON 类型对象（如类） 可序列化对象（如字典、字符串） object_hook loads() / load() 自定义 JSON 字典的解析 JSON 对象（dict） Python 对象（如类实例）

 比较常见的场景和建议

场景 建议用法

• 序列化 datetime、自定义类

用 default 参数 还原为类对象 用 object_hook 参数 多类型自动识别 结合 type 字段与 object_hook 实现 嵌套结构还原 object_hook 会自动递归调用

四、注意事项

• Python JSON dict object list, tuple array str string int, float number True/False true/false None null
• dumps() 与 loads() 用于字符串处理，dump() 与 load() 用于文件处理
• 不支持直接序列化自定义类、函数、集合等 —— 需借助 default 参数手动转换

 五、结语

        相信今天所讲的这些在你的json生涯中已经绰绰有余了，json模块完结撒花！！！        

        这是我写博客的第二篇，也是第二天，想着每天抽出来一点闲暇时间来写一些东西，顺便也丰富一下自己的逻辑表达能力，以及知识储备能力，后续会陆续推出其他各种模块包的经典用法，等有闲时间了，当下时间有点紧，其他方面的东西在当下不适合写，等今年过了，明年开始尝试写一些项目实战还有原理性的东西！