JSON完全指南：Python中的数据交换通用语言-CSDN博客

本文链接：https://blog.csdn.net/jsnpG/article/details/145671101

🌐 JSON是什么？为什么重要？

JSON（JavaScript Object Notation） 是一种轻量级的数据交换格式，如同数据世界的“通用货币”：

📦 结构化数据快递员：在程序间安全传递复杂数据
🌍 跨平台通行证：支持所有主流编程语言（Python/Java/JS等）
⚡ 高效传输：文本格式比二进制更易读且体积更小

应用场景全景图：

pie
    title JSON使用场景占比
    "Web API交互" : 45
    "配置文件" : 25
    "数据持久化" : 20
    "日志记录" : 10

📚 JSON数据结构速成课

1. 基础语法规则

{
  "name": "张三",
  "age": 25,
  "isStudent": false,
  "courses": ["数学", "Python"],
  "address": {
    "city": "北京",
    "postcode": "100000"
  }
}

🔑 键值对结构："key": value
📌 数据类型：

JSON类型 Python对应类型
Number int/float
String str
Boolean bool
Array list
Object dict
null None

JSON类型	Python对应类型
Number	int/float
String	str
Boolean	bool
Array	list
Object	dict
null	None

🐍 Python中的JSON操作

1. 基础转换方法

import json

# Python对象 → JSON字符串（序列化）
data = {"name": "张三", "age": 25}
json_str = json.dumps(data, ensure_ascii=False, indent=2)
print(json_str)
# 输出：
# {
#   "name": "张三",
#   "age": 25
# }

# JSON字符串 → Python对象（反序列化）
restored_data = json.loads(json_str)
print(restored_data["name"])  # 输出：张三

2. 文件读写操作

# 写入JSON文件
with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, indent=4)

# 读取JSON文件  
with open("data.json", "r", encoding="utf-8") as f:
    loaded_data = json.load(f)

🔧 高级技巧与实战

1. 处理复杂对象

from datetime import datetime

class User:
    def __init__(self, name, reg_date):
        self.name = name
        self.reg_date = reg_date

# 自定义编码器
class CustomEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat()
        elif isinstance(obj, User):
            return {"name": obj.name, "reg_date": obj.reg_date}
        return super().default(obj)

user = User("李四", datetime.now())
json_str = json.dumps(user, cls=CustomEncoder)
print(json_str)  # {"name": "李四", "reg_date": "2023-10-10T15:30:00.123456"}

2. JSONPath查询

使用jsonpath-ng进行高级数据提取：

from jsonpath_ng import parse

data = {
    "store": {
        "book": [
            {"title": "Python基础", "price": 59},
            {"title": "JSON精通", "price": 45}
        ]
    }
}

# 查找所有价格低于50的书籍
expr = parse('$.store.book[?(@.price < 50)]')
matches = [match.value for match in expr.find(data)]
print(matches)  # [{'title': 'JSON精通', 'price': 45}]

🚀 性能优化方案

graph LR
A[原生json模块] -->|处理小数据| B[标准用法]
A -->|大数据量| C[ujson模块]
A -->|复杂结构| D[orjson模块]

性能对比测试

import timeit
import ujson, orjson

data = [{"id": i, "value": "test"*100} for i in range(10000)]

def test(module):
    return module.dumps(data)

print("json:", timeit.timeit(lambda: test(json), number=100))
print("ujson:", timeit.timeit(lambda: test(ujson), number=100))
print("orjson:", timeit.timeit(lambda: test(orjson), number=100))

典型输出结果：

json: 1.234s
ujson: 0.876s 
orjson: 0.512s

⚠️ 安全注意事项

数据反序列化风险：永远不要直接加载不可信来源的JSON

安全加载方式：

# 危险方式
data = json.loads(untrusted_str)

# 安全方式
from json.decoder import JSONDecodeError
try:
    data = json.loads(untrusted_str)
except JSONDecodeError:
    print("非法JSON数据")