异常教程

Python3 JSON 数据解析（超详细）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

截止目前， 星球 内专栏累计输出 90w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 3100+ 小伙伴加入学习 ，欢迎点击围观

前言：为什么需要学习 JSON 数据解析？

在当今互联网时代，JSON（JavaScript Object Notation）已成为数据交换的通用语言。无论是 API 调用、配置文件存储，还是前后端数据交互，JSON 几乎无处不在。作为 Python 开发者，掌握 JSON 数据解析技能，能够显著提升处理网络数据、配置管理、数据持久化等场景的效率。Python 的 json 标准库提供了简洁高效的接口，使得 JSON 解析变得触手可及。本文将从零开始，通过案例和代码示例，带读者系统掌握 Python3 中的 JSON 解析技术。

一、JSON 基础：结构与语法解析

1.1 JSON 的核心概念

JSON 是一种轻量级的数据交换格式，其结构基于键值对（Key-Value），支持五种数据类型：

  • 字符串（String）
  • 数字（Number）
  • 布尔值（Boolean）
  • 数组（Array）
  • 对象（Object）
  • 空值（Null）

形象比喻：可以将 JSON 理解为一个“快递包裹”，其中：

  • 键（Key） 是包裹上的标签，标识内容类型
  • 值（Value） 是包裹内的具体物品
  • 对象（Object） 是装有多个包裹的快递箱
  • 数组（Array） 是一排按顺序排列的包裹架

示例 JSON 数据：

{
    "name": "Alice",
    "age": 30,
    "is_student": false,
    "courses": ["Math", "Physics"],
    "address": {
        "city": "Beijing",
        "postal_code": "100000"
    }
}

1.2 JSON 的语法要点

  • 字符串必须使用双引号（"）
  • 键名必须用双引号包裹
  • 对象内部以逗号分隔键值对
  • 数组元素用逗号分隔
  • 注释（// 或 /* */）在标准 JSON 中不被支持

二、Python3 标准库 json 的核心功能

2.1 json 模块的两个核心函数

Python 的 json 模块提供了两个核心函数，用于实现 JSON 数据的序列化（Serialization）和反序列化（Deserialization）：

  • json.dumps()：将 Python 对象转换为 JSON 字符串
  • json.loads()：将 JSON 字符串解析为 Python 对象

核心逻辑对比表： | 功能类型 | Python 对象 → JSON 字符串 | JSON 字符串 → Python 对象 | |------------------|--------------------------|--------------------------| | 对应函数 | json.dumps() | json.loads() | | 数据流向 | 内存数据 → 网络传输 | 网络传输 → 内存数据 |

2.2 基础案例：对象与字符串的转换

import json

user_info = {
    "name": "Bob",
    "age": 25,
    "hobbies": ["reading", "coding"],
    "is_active": True
}

json_str = json.dumps(user_info, indent=4)
print("JSON 字符串：")
print(json_str)

parsed_dict = json.loads(json_str)
print("\n解析后的 Python 对象类型：", type(parsed_dict))

输出结果：

JSON 字符串：
{
    "name": "Bob",
    "age": 25,
    "hobbies": ["reading", "coding"],
    "is_active": true
}

解析后的 Python 对象类型： <class 'dict'>

三、进阶技巧：处理复杂数据结构

3.1 解析嵌套对象的技巧

当 JSON 数据包含多层嵌套时，可以通过链式访问提取数据。例如解析天气 API 响应：

weather_data = '''
{
    "city": "Shanghai",
    "weather": {
        "temperature": 28,
        "condition": "sunny",
        "forecast": [
            {"date": "2023-07-01", "high": 30},
            {"date": "2023-07-02", "high": 29}
        ]
    }
}
'''

weather_dict = json.loads(weather_data)

print("今日最高温度：", weather_dict["weather"]["forecast"][0]["high"])

输出结果：

今日最高温度： 30

3.2 自定义序列化与反序列化

当需要处理 Python 特有的数据类型（如日期、自定义对象）时，可通过 default 和 object_hook 参数实现扩展。

案例：序列化 datetime 对象

from datetime import datetime

def datetime_serializer(obj):
    if isinstance(obj, datetime):
        return obj.isoformat()
    raise TypeError("Type not serializable")

now = datetime.now()
json_str = json.dumps(now, default=datetime_serializer)
print(json_str)  # 输出类似："2023-07-01T10:15:30.123456"

反序列化示例

def datetime_parser(json_dict):
    for key, value in json_dict.items():
        try:
            json_dict[key] = datetime.fromisoformat(value)
        except (TypeError, ValueError):
            pass
    return json_dict

parsed_dict = json.loads(json_str, object_hook=datetime_parser)
print(parsed_dict["date"])  # 输出 datetime 对象

四、异常处理与调试技巧

4.1 常见错误类型及解决方案

错误类型产生原因解决方案
json.decoder.JSONDecodeErrorJSON 字符串格式错误（如缺少引号）使用在线 JSON 校验工具（如 JSONLint）
TypeError非 JSON 兼容的数据类型实现 default 函数进行类型转换
KeyError访问不存在的键使用 get() 方法或默认值处理

4.2 调试技巧：打印中间结果

在解析复杂 JSON 时，建议分步操作并打印中间结果：

raw_data = '{"a":1, "b": [2,3], "c": {"d":4}}'
step1 = json.loads(raw_data)  # 基础解析
print("基础解析结果：", step1)

step2 = step1["c"]["d"]       # 分步访问
print("目标值：", step2)

五、性能优化与最佳实践

5.1 优化序列化速度

  • 禁用缩进与 ASCII 编码：生产环境建议关闭 indent 和 ensure_ascii 参数
fast_json = json.dumps(data, separators=(',', ':'), ensure_ascii=False)

5.2 处理大文件的流式解析

对于超大 JSON 文件（如日志文件），使用 ijson 库实现流式解析：

import ijson

with open('large_file.json', 'rb') as file:
    parser = ijson.parse(file)
    for prefix, event, value in parser:
        if (prefix, event) == ('items.item', 'start_map'):
            print("新条目开始：", value)

六、实战案例：解析天气 API 数据

6.1 调用公开天气 API

import requests

response = requests.get("https://api.weatherapi.com/v1/current.json", params={
    "key": "YOUR_API_KEY",
    "q": "London"
})

weather_data = response.json()  # 等价于 json.loads(response.text)

6.2 数据提取与展示

def display_weather(data):
    location = data['location']['name']
    temp_c = data['current']['temp_c']
    condition = data['current']['condition']['text']
    
    print(f"城市：{location}")
    print(f"当前温度：{temp_c}°C")
    print(f"天气状况：{condition}")

display_weather(weather_data)

输出示例：

城市：London
当前温度：18.5°C
天气状况：Partly cloudy

结论：掌握 JSON 解析的核心价值

通过本文的系统学习，读者已掌握了从基础语法到进阶技巧的完整知识体系。JSON 解析能力不仅是 Python 开发者的必备技能，更是连接前后端、处理云端数据的核心桥梁。建议读者通过以下方式巩固知识：

  1. 实践解析真实 API 返回的数据
  2. 尝试将 CSV 文件转换为 JSON 格式
  3. 优化现有代码中的 JSON 处理逻辑

在数字化时代，数据解析能力如同“语言翻译官”，帮助开发者跨越不同系统间的沟通障碍。希望本文能成为您技术成长路上的实用指南，助力您在数据处理领域游刃有余。

最新发布

查看更多文章