Python更快的解析JSON大文件

提出问题

今天用python的simplejson库解析一个 >200MB 的JSON文件，发现一次decode/encode都得要 >10s，这个在我开来，实在太慢了，有没有更快的库了？

先给出我的简单测试结果

• json大小：245MB

• 测试方法：read文件内容，然后一次decode, 一次encode

解释器	simplejson	json	ujson
pypy	40s多	10s	无
cpython	12s多	17s多	10s多

• 不成熟的结论： pypy+json最快

方法一：pypy+json

python自带的JSON库是用纯python代码实现的，而pypy对纯python代码的加速效果比较好。至于为什么，大家可以去google吧，很多文章解释的很好。

方法二：UltraJson

• 我首先想到的用C库来做JSON的解析，原因你懂的，而C语言有个JSON库叫CJSON，于是用python+cjson在google里找到了UltraJson

• UltraJson是作者用C语言实现的JSON库，实际测试的效果是，整个encode的效率提升了2倍多。

使用方法：

• 安装：pip instal ujson

      >>> import ujson
      >>> ujson.dumps([{"key": "value"}, 81, True])
      '[{"key":"value"},81,true]'
      >>> ujson.loads("""[{"key": "value"}, 81, true]""")
      [{u'key': u'value'}, 81, True]
      

并不是所有情况下都适合

根据下面的BenchMark，在double数组的情况下，yajl的encode速度是比UltraJson的，所以，如果你的JSON文件较小的话，其实无所谓哪个库，如果是像我这样的大JSON文件，可以根据下面的表选择合适的JSON库。

BenchMark

下面是作者给出的benchmark：表格中的数字是每秒的调用次数，也就是说，数字越大，表示效率越高。

Versions:

• CPython 2.7.6 (default, Jun 22 2015, 17:58:13) [GCC 4.8.2]

• blist : 1.3.6

• simplejson: 3.8.1

• ujson : 1.34 (0c52200eb4e2d97e548a765d5f089858c41967b0)

• yajl : 0.3.5

	ujson	yajl	simplejson	json
Array with 256 doubles
encode	3508.19	5742.00	3232.38	3309.09
decode	25103.37	11257.83	11696.26	11871.04
Array with 256 UTF-8 strings
encode	3189.71	2717.14	2006.38	2961.72
decode	1354.94	630.54	356.35	344.05
Array with 256 strings
encode	18127.47	12537.39	12541.23	20001.00
decode	23264.70	12788.85	25427.88	9352.36
Medium complex object
encode	10519.38	5021.29	3686.86	4643.47
decode	9676.53	5326.79	8515.77	3017.30
Array with 256 True values
encode	105998.03	102067.28	44758.51	60424.80
decode	163869.96	78341.57	110859.36	115013.90
Array with 256 dict{string, int} pairs
encode	13471.32	12109.09	3876.40	8833.92
decode	16890.63	8946.07	12218.55	3350.72
Dict with 256 arrays with 256 dict{string, int} pairs
encode	50.25	46.45	13.82	29.28
decode	33.27	22.10	27.91	10.43
Dict with 256 arrays with 256 dict{string, int} pairs, outputting sorted keys
encode	27.19		7.75	2.39
Complex object
encode	577.98		387.81	470.02
decode	496.73	234.44	151.00	145.16

Versions:

• CPython 3.4.3 (default, Oct 14 2015, 20:28:29) [GCC 4.8.4]

• blist : 1.3.6

• simplejson: 3.8.1

• ujson : 1.34 (0c52200eb4e2d97e548a765d5f089858c41967b0)

• yajl : 0.3.5

	ujson	yajl	simplejson	json
Array with 256 doubles
encode	3477.15	5732.24	3016.76	3071.99
decode	23625.20	9731.45	9501.57	9901.92
Array with 256 UTF-8 strings
encode	1995.89	2151.61	1771.98	1817.20
decode	1425.04	625.38	327.14	305.95
Array with 256 strings
encode	25461.75	12188.64	13054.76	14429.81
decode	21981.31	17014.22	23869.48	22483.58
Medium complex object
encode	10821.46	4837.04	3114.04	4254.46
decode	7887.77	5126.67	4934.60	6204.97
Array with 256 True values
encode	100452.86	94639.42	46657.63	60358.63
decode	148312.69	75485.90	88434.91	116395.51
Array with 256 dict{string, int} pairs
encode	11698.13	8886.96	3043.69	6302.35
decode	10686.40	7061.77	5646.80	7702.29
Dict with 256 arrays with 256 dict{string, int} pairs
encode	44.26	34.43	10.40	21.97
decode	28.46	23.95	18.70	22.83
Dict with 256 arrays with 256 dict{string, int} pairs, outputting sorted keys
encode	33.60		6.94	22.34
Complex object
encode	432.30		351.47	379.34
decode	434.40	221.97	149.57	147.79

请移步我的博客了解更多