Python JSON 模块的基本使用
一、引言
在当今数字化的时代，数据的交换和存储变得至关重要。不同的应用程序和系统之间需要一种通用的数据格式来进行数据的传输和共享。JSON（JavaScript Object Notation）作为一种轻量级的数据交换格式，因其易于阅读和编写，同时也易于机器解析和生成，成为了广泛使用的数据格式之一。Python 作为一门功能强大且应用广泛的编程语言，提供了 json 模块来方便地处理 JSON 数据。本文将详细介绍 Python 中 json 模块的基本使用，包括 JSON 数据的序列化和反序列化、处理嵌套 JSON 数据、处理特殊类型的数据以及与文件的交互等内容，每一个步骤都会配有源码示例，并对代码进行详细注释。
二、JSON 概述
2.1 什么是 JSON
JSON 是一种基于文本的数据交换格式，它以键值对的形式组织数据，并且支持数组、对象等数据结构。JSON 数据的基本结构包括：
- 对象：由花括号
{} 包围，包含零个或多个键值对，键和值之间用冒号 : 分隔，键值对之间用逗号 , 分隔。例如：{"name": "John", "age": 30}。数组：由方括号 [] 包围，包含零个或多个值，值之间用逗号 , 分隔。例如：[1, 2, 3]。值：可以是字符串（用双引号 " 包围）、数字、布尔值（true 或 false）、null、对象或数组。2.2 JSON 的优点
- 轻量级：JSON 数据格式简洁，占用的存储空间和传输带宽较小。易于阅读和编写：JSON 数据的结构清晰，易于人类阅读和手动编写。易于机器解析和生成：大多数编程语言都提供了对 JSON 数据的解析和生成支持，方便不同系统之间的数据交换。跨平台：JSON 是一种独立于编程语言和操作系统的数据格式，可以在不同的平台上使用。
三、Python json 模块的基本功能
3.1 导入 json 模块
在使用 json 模块之前，需要先导入它。
import json # 导入 Python 的 json 模块，用于处理 JSON 数据3.2 JSON 数据的序列化
序列化是指将 Python 对象转换为 JSON 格式的字符串的过程。json 模块提供了 dumps() 函数来实现这个功能。
import json# 定义一个 Python 字典对象data = { "name": "Alice", # 键 "name" 对应的值为字符串 "Alice" "age": 25, # 键 "age" 对应的值为整数 25 "is_student": True # 键 "is_student" 对应的值为布尔值 True}# 使用 json.dumps() 函数将 Python 对象转换为 JSON 格式的字符串json_string = json.dumps(data)# 打印转换后的 JSON 字符串print(json_string)在这个示例中，我们定义了一个 Python 字典对象 data，然后使用 json.dumps() 函数将其转换为 JSON 格式的字符串，并将结果存储在 json_string 变量中，最后打印出该字符串。
3.3 JSON 数据的反序列化
反序列化是指将 JSON 格式的字符串转换为 Python 对象的过程。json 模块提供了 loads() 函数来实现这个功能。
import json# 定义一个 JSON 格式的字符串json_string = '{"name": "Bob", "age": 30, "is_student": false}'# 使用 json.loads() 函数将 JSON 字符串转换为 Python 对象python_obj = json.loads(json_string)# 打印转换后的 Python 对象print(python_obj)在这个示例中，我们定义了一个 JSON 格式的字符串 json_string，然后使用 json.loads() 函数将其转换为 Python 对象，并将结果存储在 python_obj 变量中，最后打印出该对象。
3.4 序列化和反序列化的类型映射
在进行 JSON 数据的序列化和反序列化时，Python 数据类型和 JSON 数据类型之间存在一定的映射关系，如下表所示：
| Python 类型 | JSON 类型 |
|---|---|
dict | 对象 |
list, tuple | 数组 |
str | 字符串 |
int, float | 数字 |
True | true |
False | false |
None | null |
四、序列化和反序列化的详细参数
4.1 dumps() 函数的参数
dumps() 函数除了可以将 Python 对象转换为 JSON 字符串外，还支持一些参数来控制转换的行为。
4.1.1 indent 参数
indent 参数用于指定缩进的空格数，使生成的 JSON 字符串更具可读性。
import jsondata = { "name": "Charlie", "age": 35, "hobbies": ["reading", "swimming"]}# 使用 indent 参数指定缩进为 4 个空格json_string = json.dumps(data, indent=4)print(json_string)在这个示例中，我们使用 indent=4 参数，使得生成的 JSON 字符串有 4 个空格的缩进，更易于阅读。
4.1.2 sort_keys 参数
sort_keys 参数用于指定是否按字典键的字母顺序对 JSON 对象进行排序。
import jsondata = { "city": "New York", "country": "USA", "population": 8500000}# 使用 sort_keys 参数按字典键的字母顺序排序json_string = json.dumps(data, sort_keys=True)print(json_string)在这个示例中，我们使用 sort_keys=True 参数，使得生成的 JSON 字符串中的键按字母顺序排序。
4.1.3 ensure_ascii 参数
ensure_ascii 参数用于指定是否确保生成的 JSON 字符串只包含 ASCII 字符。如果设置为 True，非 ASCII 字符将被转义；如果设置为 False，则保留非 ASCII 字符。
import jsondata = { "name": "张三", "age": 40}# ensure_ascii 为 True 时，非 ASCII 字符将被转义json_string_true = json.dumps(data, ensure_ascii=True)print("ensure_ascii=True:", json_string_true)# ensure_ascii 为 False 时，保留非 ASCII 字符json_string_false = json.dumps(data, ensure_ascii=False)print("ensure_ascii=False:", json_string_false)在这个示例中，我们分别设置 ensure_ascii 为 True 和 False，观察生成的 JSON 字符串中非 ASCII 字符的处理方式。
4.2 loads() 函数的参数
loads() 函数目前没有太多常用的额外参数，主要用于将 JSON 字符串转换为 Python 对象。但在某些情况下，可以结合 object_hook 参数进行自定义的对象转换。
4.2.1 object_hook 参数
object_hook 参数是一个可选的函数，用于在反序列化时对 JSON 对象进行自定义转换。
import json# 定义一个自定义的转换函数def custom_object_hook(dct): if 'name' in dct and 'age' in dct: # 如果 JSON 对象中包含 'name' 和 'age' 键，将其转换为一个自定义的对象 class Person: def __init__(self, name, age): self.name = name self.age = age return Person(dct['name'], dct['age']) return dctjson_string = '{"name": "David", "age": 45}'# 使用 object_hook 参数指定自定义的转换函数python_obj = json.loads(json_string, object_hook=custom_object_hook)print(python_obj.name, python_obj.age)在这个示例中，我们定义了一个自定义的转换函数 custom_object_hook，当 JSON 对象中包含 'name' 和 'age' 键时，将其转换为一个自定义的 Person 对象。然后在 json.loads() 函数中使用 object_hook 参数指定该函数。
五、处理嵌套 JSON 数据
5.1 嵌套 JSON 数据的序列化
嵌套 JSON 数据是指 JSON 对象中包含其他 JSON 对象或数组。json 模块可以递归地处理嵌套数据进行序列化。
import json# 定义一个包含嵌套数据的 Python 字典data = { "person": { "name": "Eve", "age": 50, "address": { "street": "123 Main St", "city": "Los Angeles", "state": "CA" } }, "hobbies": ["painting", "dancing"]}# 对嵌套数据进行序列化json_string = json.dumps(data, indent=4)print(json_string)在这个示例中，data 字典包含了嵌套的字典和数组，json.dumps() 函数可以递归地将其转换为 JSON 字符串。
5.2 嵌套 JSON 数据的反序列化
同样，json.loads() 函数也可以递归地处理嵌套的 JSON 数据进行反序列化。
import json# 定义一个包含嵌套数据的 JSON 字符串json_string = '''{ "person": { "name": "Frank", "age": 55, "address": { "street": "456 Elm St", "city": "Chicago", "state": "IL" } }, "hobbies": ["singing", "hiking"]}'''# 对嵌套的 JSON 字符串进行反序列化python_obj = json.loads(json_string)print(python_obj["person"]["address"]["city"])在这个示例中，我们使用 json.loads() 函数将嵌套的 JSON 字符串转换为 Python 对象，并访问其中的嵌套数据。
六、处理特殊类型的数据
6.1 处理日期和时间类型
JSON 本身不支持日期和时间类型，因此在序列化和反序列化时需要进行特殊处理。可以将日期和时间转换为字符串，或者自定义序列化和反序列化方法。
6.1.1 将日期和时间转换为字符串
import jsonimport datetime# 获取当前日期和时间now = datetime.datetime.now()# 将日期和时间转换为字符串date_string = now.strftime("%Y-%m-%d %H:%M:%S")data = { "timestamp": date_string}# 进行序列化json_string = json.dumps(data)print(json_string)# 进行反序列化python_obj = json.loads(json_string)# 将字符串转换回日期和时间对象parsed_date = datetime.datetime.strptime(python_obj["timestamp"], "%Y-%m-%d %H:%M:%S")print(parsed_date)在这个示例中，我们将 datetime 对象转换为字符串进行序列化，在反序列化后再将字符串转换回 datetime 对象。
6.1.2 自定义序列化和反序列化方法
import jsonimport datetime# 定义一个自定义的 JSON 编码器类class DateTimeEncoder(json.JSONEncoder): def default(self, obj): if isinstance(obj, datetime.datetime): # 如果对象是 datetime 类型，将其转换为字符串 return obj.strftime("%Y-%m-%d %H:%M:%S") return super().default(obj)# 定义一个自定义的 JSON 解码器函数def datetime_decoder(dct): for key, value in dct.items(): if isinstance(value, str): try: # 尝试将字符串转换为 datetime 对象 dct[key] = datetime.datetime.strptime(value, "%Y-%m-%d %H:%M:%S") except ValueError: pass return dctnow = datetime.datetime.now()data = { "timestamp": now}# 使用自定义的编码器进行序列化json_string = json.dumps(data, cls=DateTimeEncoder)print(json_string)# 使用自定义的解码器进行反序列化python_obj = json.loads(json_string, object_hook=datetime_decoder)print(python_obj["timestamp"])在这个示例中，我们定义了一个自定义的 JSON 编码器类 DateTimeEncoder 和一个自定义的 JSON 解码器函数 datetime_decoder，用于处理日期和时间类型的序列化和反序列化。
6.2 处理自定义对象
对于自定义对象，同样需要自定义序列化和反序列化方法。
import json# 定义一个自定义类class Book: def __init__(self, title, author): self.title = title self.author = author# 定义一个自定义的 JSON 编码器类class BookEncoder(json.JSONEncoder): def default(self, obj): if isinstance(obj, Book): # 如果对象是 Book 类型，将其转换为字典 return {"title": obj.title, "author": obj.author} return super().default(obj)# 定义一个自定义的 JSON 解码器函数def book_decoder(dct): if "title" in dct and "author" in dct: # 如果字典中包含 "title" 和 "author" 键，将其转换为 Book 对象 return Book(dct["title"], dct["author"]) return dctbook = Book("Python Crash Course", "Eric Matthes")# 使用自定义的编码器进行序列化json_string = json.dumps(book, cls=BookEncoder)print(json_string)# 使用自定义的解码器进行反序列化python_obj = json.loads(json_string, object_hook=book_decoder)print(python_obj.title, python_obj.author)在这个示例中，我们定义了一个自定义的 Book 类，以及一个自定义的 JSON 编码器类 BookEncoder 和一个自定义的 JSON 解码器函数 book_decoder，用于处理 Book 对象的序列化和反序列化。
七、与文件的交互
7.1 将 JSON 数据写入文件
可以使用 json.dump() 函数将 Python 对象直接写入 JSON 文件。
import jsondata = { "employees": [ {"name": "Grace", "department": "HR"}, {"name": "Henry", "department": "IT"} ]}# 打开一个文件以写入模式with open('employees.json', 'w') as file: # 使用 json.dump() 函数将 Python 对象写入文件 json.dump(data, file, indent=4)在这个示例中，我们使用 json.dump() 函数将 data 字典写入 employees.json 文件，并使用 indent=4 参数使文件内容更具可读性。
7.2 从文件中读取 JSON 数据
可以使用 json.load() 函数从 JSON 文件中读取数据并转换为 Python 对象。
import json# 打开一个文件以读取模式with open('employees.json', 'r') as file: # 使用 json.load() 函数从文件中读取 JSON 数据并转换为 Python 对象 python_obj = json.load(file) print(python_obj)在这个示例中，我们使用 json.load() 函数从 employees.json 文件中读取 JSON 数据，并将其转换为 Python 对象。
八、总结与展望
8.1 总结
Python 的 json 模块为处理 JSON 数据提供了强大而便捷的功能。通过 dumps() 和 loads() 函数，可以方便地进行 JSON 数据的序列化和反序列化。同时，dumps() 函数的参数可以控制序列化的行为，如缩进、排序等。对于嵌套 JSON 数据，json 模块可以递归地进行处理。在处理特殊类型的数据，如日期和时间、自定义对象时，需要自定义序列化和反序列化方法。此外，json 模块还支持与文件的交互，通过 dump() 和 load() 函数可以将 JSON 数据写入文件或从文件中读取。
8.2 展望
随着互联网和数据交换的不断发展，JSON 作为一种通用的数据交换格式将继续发挥重要作用。Python 的 json 模块也可能会不断完善和扩展，例如提供更便捷的方式处理特殊类型的数据，增强与其他数据处理库的集成等。对于开发者来说，熟练掌握 json 模块的使用，能够更好地进行数据的交换和存储，提高开发效率。同时，随着数据量的不断增加，如何高效地处理大规模的 JSON 数据也将成为一个重要的研究方向。
