【Python深入浅出㉝】Python3中JSON的奇妙之旅：从入门到精通

一、JSON 初相识
二、Python3 的 json 模块探秘
- （一）编码：Python 对象转 JSON
- （二）解码：JSON 转 Python 对象
三、常用函数深度剖析
- （一）编码函数 dumps 与 dump
- （二）解码函数 loads 与 load
四、数据类型转换大揭秘
- （一）Python 到 JSON 的华丽变身
- （二）JSON 到 Python 的完美回归
五、实战演练：解决实际问题
- （一）文件操作实战
- （二）API 数据交互实战
六、常见错误及解决方案
- （一）数据格式错误
- （二）解析错误
- （三）编码问题
七、总结与展望

一、JSON 初相识

JSON，即 JavaScript Object Notation，是一种轻量级的数据交换格式。它基于 JavaScript 编程语言的一个子集，采用完全独立于语言的文本格式来存储和表示数据，简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言。其不仅易于人阅读和编写，同时也易于机器解析和生成，在网络传输中能有效提升效率。

JSON 的语法结构十分简洁，主要由两种结构构成：

对象：由花括号{}括起来的键值对集合，键与值之间用冒号:分隔，不同键值对之间用逗号,分隔。例如：{“name”: “张三”, “age”: 20} ，这里"name"和"age"是键，"张三"和20分别是对应的值。
数组：由方括号[]括起来的值的有序列表，数组中的值可以是任意 JSON 数据类型，不同值之间用逗号,分隔。例如：[“apple”, “banana”, “cherry”] ，这是一个包含三个字符串的数组。

由于 JSON 具有轻量级、易读易解析、语言无关等特性，在众多领域都有着广泛应用。在前后端数据交互中，JSON 是主流的数据格式。当我们在浏览器中访问一个网站，前端页面向服务器发送请求获取数据，服务器处理请求后，通常会将数据以 JSON 格式返回给前端。例如，一个获取用户信息的接口，服务器返回的 JSON 数据可能如下：

{
    "user_id": 123,
    "username": "example_user",
    "email": "example@example.com"
}

前端通过 JavaScript 的JSON.parse()方法将接收到的 JSON 字符串解析为 JavaScript 对象，从而方便地操作和展示数据。在配置文件方面，许多应用程序和框架都选择使用 JSON 来存储配置信息。以一个简单的 Web 服务器配置为例，配置文件config.json内容如下：

{
    "host": "127.0.0.1",
    "port": 8080,
    "database": {
        "host": "127.0.0.1",
        "port": 3306,
        "username": "root",
        "password": "password"
    }
}

程序在启动时读取这个 JSON 配置文件，获取相关配置信息，以正确地初始化和运行。

二、Python3 的 json 模块探秘

在 Python3 中，处理 JSON 数据非常方便，这得益于其标准库中的json模块。json模块提供了一系列函数，使得我们能够轻松地在 Python 数据类型和 JSON 格式之间进行转换，实现数据的编码与解码操作。

（一）编码：Python 对象转 JSON

编码，即将 Python 对象转换为 JSON 格式的字符串，主要使用json.dumps()函数。该函数的基本语法如下：

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, **kw)

其中，obj是要编码的 Python 对象，它可以是字典、列表、字符串、数字、布尔值或None等。例如，将一个 Python 字典编码为 JSON 字符串：

import json

data = {
    "name": "李四",
    "age": 25,
    "is_student": True
}
json_str = json.dumps(data)
print(json_str)

输出结果为：

{"name": "\u674e\u56db", "age": 25, "is_student": true}

这里可以看到，默认情况下ensure_ascii参数为True，中文字符被转义成了 Unicode 编码。若希望直接显示中文字符，可将ensure_ascii设为False：

json_str = json.dumps(data, ensure_ascii=False)
print(json_str)

输出：

{"name": "李四", "age": 25, "is_student": true}

indent参数则用于格式化输出，使 JSON 字符串更加易读。当indent为一个正整数时，会按照该数值进行缩进排版：

json_str = json.dumps(data, ensure_ascii=False, indent=4)
print(json_str)

输出：

{
    "name": "李四",
    "age": 25,
    "is_student": true
}

（二）解码：JSON 转 Python 对象

解码与编码相反，是将 JSON 格式的字符串转换为 Python 对象，使用json.loads()函数，语法为：

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

其中，s是要解码的 JSON 字符串。例如，将上述编码后的 JSON 字符串解码回 Python 字典：

import json

json_str = '{"name": "李四", "age": 25, "is_student": true}'
data = json.loads(json_str)
print(data)
print(data["name"])

输出：

{'name': '李四', 'age': 25, 'is_student': True}
李四

通过这种方式，我们可以方便地从 JSON 数据中提取所需信息，进行后续的处理和分析。在实际应用中，无论是从网络请求获取的数据，还是从文件中读取的配置信息，只要是 JSON 格式，都能利用json模块的这些函数进行高效处理，极大地提高了开发效率。

三、常用函数深度剖析

（一）编码函数 dumps 与 dump

在 Python 的json模块中，dumps和dump函数都用于将 Python 对象编码为 JSON 格式，但它们在使用方式和功能上存在一些差异。

dumps函数主要用于将 Python 对象转换为 JSON 格式的字符串，其基本语法为

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, **kw)

其中，obj是要编码的 Python 对象。例如，将一个包含列表和字典的复杂 Python 对象进行编码：

import json

data = {
    "students": [
        {"name": "张三", "age": 20, "scores": {"math": 90, "english": 85}},
        {"name": "李四", "age": 21, "scores": {"math": 88, "english": 92}}
    ]
}
json_str = json.dumps(data, ensure_ascii=False, indent=4)
print(json_str)

上述代码中，ensure_ascii=False确保中文字符正常显示，indent=4使生成的 JSON 字符串具有良好的缩进格式，便于阅读。输出结果如下：

{
    "students": [
        {
            "name": "张三",
            "age": 20,
            "scores": {
                "math": 90,
                "english": 85
            }
        },
        {
            "name": "李四",
            "age": 21,
            "scores": {
                "math": 88,
                "english": 92
            }
        }
    ]
}

dump函数则是将 Python 对象编码为 JSON 格式后，直接写入到文件或类文件对象中，语法为

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)

这里多了一个fp参数，即文件对象。例如，将上述data对象写入名为students.json的文件中：

import json

data = {
    "students": [
        {"name": "张三", "age": 20, "scores": {"math": 90, "english": 85}},
        {"name": "李四", "age": 21, "scores": {"math": 88, "english": 92}}
    ]
}
with open('students.json', 'w', encoding='utf-8') as f:
    json.dump(data, f, ensure_ascii=False, indent=4)

执行这段代码后，在当前目录下会生成一个students.json文件，文件内容为格式化后的 JSON 数据。dumps函数适用于需要将 JSON 数据在内存中进行传递、处理或展示的场景；而dump函数更侧重于将数据持久化存储到文件中，方便后续读取和使用。

（二）解码函数 loads 与 load

loads和load函数用于将 JSON 数据解码为 Python 对象，它们的功能类似，但作用对象不同。

loads函数用于将 JSON 格式的字符串解码为 Python 对象，语法是

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

其中s是包含 JSON 数据的字符串。例如，将一个 JSON 字符串解码为 Python 字典：

import json

json_str = '{"name": "王五", "age": 22, "is_graduate": false}'
data = json.loads(json_str)
print(data)
print(data["name"])

输出结果为：

{'name': '王五', 'age': 22, 'is_graduate': False}
王五

load函数从文件或类文件对象中读取 JSON 数据并解码为 Python 对象，语法为

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

fp是文件对象。假设我们有一个config.json文件，内容如下：

{
    "host": "127.0.0.1",
    "port": 8080,
    "database": {
        "host": "127.0.0.1",
        "port": 3306,
        "username": "root",
        "password": "password"
    }
}

使用load函数读取该文件内容并转换为 Python 字典的代码如下：

import json

with open('config.json', 'r', encoding='utf-8') as f:
    data = json.load(f)
print(data)
print(data["database"]["username"])

运行结果为：
{'host': '127.0.0.1', 'port': 8080, 'database': {'host': '127.0.0.1', 'port': 3306, 'username': 'root', 'password': 'password'}}
root

通过load函数，我们能够轻松地从文件中读取 JSON 格式的配置信息，为程序的初始化和运行提供必要的参数。在实际应用中，根据数据来源是字符串还是文件，合理选择loads和load函数，能够高效地完成 JSON 数据的解码工作，满足不同的业务需求。

四、数据类型转换大揭秘

（一）Python 到 JSON 的华丽变身

在 Python 中，不同的数据类型可以通过json模块转换为 JSON 格式，这个过程就像是一场神奇的变身。

字典：Python 中的字典是一种非常常用的数据类型，它可以很方便地转换为 JSON 对象。例如：

import json

python_dict = {
    "name": "王五",
    "age": 30,
    "hobbies": ["reading", "swimming"]
}
json_str = json.dumps(python_dict, ensure_ascii=False)
print(json_str)

输出结果为：

{"name": "王五", "age": 30, "hobbies": ["reading", "swimming"]}

可以看到，字典中的键值对被直接转换为 JSON 对象中的键值对，中文字符在ensure_ascii=False的设置下正常显示。

列表：列表同样能轻松转换为 JSON 数组。假设我们有一个包含不同数据类型的列表：

python_list = [1, "apple", 3.14, True]
json_str = json.dumps(python_list)
print(json_str)

输出：

[1, "apple", 3.14, true]

列表中的元素按照顺序被转换为 JSON 数组中的元素。

元组：元组在转换为 JSON 时，会被当作列表处理。例如：

python_tuple = (10, "banana", False)
json_str = json.dumps(python_tuple)
print(json_str)

输出：

[10, "banana", false]

虽然元组在 Python 中是不可变的，但在转换为 JSON 时，其元素被放入一个 JSON 数组中。

在这个转换过程中，需要注意的是，JSON 对数据类型有一定的限制。Python 中的None会被转换为 JSON 中的null；布尔值True和False分别转换为true和false；而对于一些特殊的 Python 数据类型，如datetime类型，直接转换会报错。若要转换datetime类型的数据，需要先将其转换为字符串等 JSON 支持的类型。例如：

import json
from datetime import datetime

now = datetime.now()
# 直接转换会报错
# json.dumps(now)  
# 转换为字符串后再转换
now_str = now.strftime("%Y-%m-%d %H:%M:%S")
data = {"time": now_str}
json_str = json.dumps(data, ensure_ascii=False)
print(json_str)

输出：

{"time": "2024-08-05 16:30:00"}

通过这种方式，我们可以将各种 Python 数据类型成功转换为 JSON 格式，以满足不同场景下的数据传输和存储需求。

（二）JSON 到 Python 的完美回归

JSON 数据转换回 Python 对应的数据类型，就像是完成了一场旅行后的回归。这个过程主要使用json.loads()函数，它能将 JSON 格式的字符串解析为 Python 对象。

假设我们有一个 JSON 格式的字符串，代表一个人的信息：

json_str = '{"name": "赵六", "age": 28, "is_married": false}'

使用json.loads()函数将其转换为 Python 字典：

import json

data = json.loads(json_str)
print(data)
print(data["name"])

输出：

{'name': '赵六', 'age': 28, 'is_married': False}
赵六

可以看到，JSON 字符串中的键值对被准确地转换为 Python 字典中的键值对，false被转换为 Python 中的False 。

当 JSON 数据是一个数组时，json.loads()会将其转换为 Python 列表。例如：

json_str = '["apple", "banana", "cherry"]'

转换代码如下：
import json

fruits = json.loads(json_str)
print(fruits)
print(fruits[0])

输出：

['apple', 'banana', 'cherry']
apple

JSON 数组成功地转换为 Python 列表，并且可以通过索引访问列表中的元素。

在进行 JSON 到 Python 的数据类型转换时，也需要注意一些细节。如果 JSON 数据格式不正确，比如缺少引号、括号不匹配等，调用json.loads()会抛出json.JSONDecodeError异常。因此，在实际应用中，通常需要对 JSON 数据进行有效性检查和异常处理。例如：

import json

invalid_json = '{"name": "Tom", "age": 25, "city": "New York" # 这里缺少一个右括号}'
try:
    data = json.loads(invalid_json)
except json.JSONDecodeError as e:
    print(f"解析JSON失败: {e}")

输出：

解析JSON失败: Expecting ',' delimiter: line 1 column 39 (char 38)

通过异常处理，我们可以确保程序在遇到错误的 JSON 数据时不会崩溃，而是能够给出友好的错误提示，提高程序的稳定性和可靠性。

五、实战演练：解决实际问题

（一）文件操作实战

在实际开发中，经常需要将数据以 JSON 格式存储到文件中，或者从文件中读取 JSON 数据进行处理。以下是使用 Python 的json模块进行 JSON 文件读写的实战示例，同时还会涉及文件编码和异常处理。

假设我们有一个包含用户信息的 Python 字典，需要将其保存为 JSON 文件：

import json

user_data = {
    "username": "user123",
    "email": "user123@example.com",
    "age": 30,
    "interests": ["reading", "traveling", "sports"]
}

try:
    with open('user_info.json', 'w', encoding='utf-8') as f:
        json.dump(user_data, f, ensure_ascii=False, indent=4)
    print("数据已成功写入user_info.json文件")
except Exception as e:
    print(f"写入文件时发生错误: {e}")

在这段代码中，使用open()函数以写入模式’w’打开文件user_info.json，并指定编码为’utf-8’ ，以确保中文字符能正确保存。json.dump()函数将user_data字典写入文件，ensure_ascii=False保证中文字符正常显示，indent=4使生成的 JSON 文件具有良好的缩进格式。如果在写入过程中发生任何异常，except块会捕获并打印错误信息。

接下来，演示如何从这个 JSON 文件中读取数据：

import json

try:
    with open('user_info.json', 'r', encoding='utf-8') as f:
        data = json.load(f)
    print("读取到的数据:")
    print(data)
    print(f"用户名: {data['username']}")
    print(f"年龄: {data['age']}")
except FileNotFoundError:
    print("文件未找到")
except json.JSONDecodeError as e:
    print(f"解析JSON文件时出错: {e}")
except Exception as e:
    print(f"发生其他错误: {e}")

这里使用open()函数以读取模式’r’打开文件，json.load()函数将文件内容解析为 Python 字典。通过不同的except块分别处理文件未找到（FileNotFoundError）、JSON 解析错误（json.JSONDecodeError）以及其他可能发生的异常。如果读取和解析成功，会打印出读取到的数据以及特定的用户信息。通过这样的实战操作，我们能够熟练掌握在文件操作中使用json模块，确保数据的可靠存储和读取。

（二）API 数据交互实战

在现代 Web 开发中，与 API 进行数据交互是非常常见的任务，而 JSON 是 API 数据传输的主要格式之一。下面以调用 GitHub API 获取 Python 仓库信息为例，展示如何解析和处理 JSON 数据。

首先，需要安装requests库，用于发送 HTTP 请求获取 API 数据。可以使用以下命令进行安装：

pip install requests

然后，编写代码调用 API 并处理返回的 JSON 数据：

import requests

# 发送请求获取API数据
url = 'https://api.github.com/search/repositories?q=language:python&sort=stars'
response = requests.get(url)

if response.status_code == 200:
    # 将响应内容解析为JSON格式
    data = response.json()
    
    # 提取总仓库数
    total_count = data['total_count']
    print(f"总Python仓库数: {total_count}")
    
    # 提取排名前5的仓库信息
    repositories = data['items'][:5]
    for repo in repositories:
        print(f"仓库名称: {repo['name']}")
        print(f"仓库所有者: {repo['owner']['login']}")
        print(f"仓库星数: {repo['stargazers_count']}")
        print(f"仓库URL: {repo['html_url']}")
        print("-" * 50)
else:
    print(f"请求失败，状态码: {response.status_code}")

在这段代码中，使用requests.get()函数向 GitHub API 发送请求，获取所有 Python 仓库信息，并按星数排序。如果请求成功（状态码为 200），通过response.json()将响应内容解析为 Python 字典。接着，从解析后的数据中提取总仓库数和排名前 5 的仓库信息，包括仓库名称、所有者、星数和 URL 等。如果请求失败，打印出错误的状态码。通过这个实战案例，我们可以看到如何在 Python 中与 API 进行交互，获取 JSON 数据，并进行有效的解析和处理，以满足实际业务需求。

六、常见错误及解决方案

在使用 Python3 的json模块进行数据处理时，难免会遇到一些错误。了解这些常见错误及其解决方案，能够帮助我们更高效地编写代码，确保程序的稳定性。

（一）数据格式错误

当 JSON 数据格式不符合规范时，就会出现数据格式错误。例如，JSON 字符串中的引号不匹配、括号不完整或者键值对之间缺少逗号等。比如：

import json

# 错误的JSON字符串，缺少一个双引号
json_str = '{"name": "Tom", "age": 25, "city": "New York"}'
try:
    data = json.loads(json_str)
except json.JSONDecodeError as e:
    print(f"解析JSON失败: {e}")

输出：

解析JSON失败: Expecting ',' delimiter: line 1 column 30 (char 29)

解决方法是仔细检查 JSON 数据，确保其格式正确。可以使用在线 JSON 验证工具，如jsonlint.com ，将 JSON 数据粘贴进去进行验证，工具会指出错误的位置和原因，帮助我们快速修复。

（二）解析错误

在使用json.loads()或json.load()函数解析 JSON 数据时，如果数据格式不正确或者数据类型不匹配，就会引发解析错误。例如，将一个非 JSON 格式的字符串当作 JSON 数据进行解析：

import json

# 非JSON格式的字符串
not_json_str = "This is not JSON data"
try:
    data = json.loads(not_json_str)
except json.JSONDecodeError as e:
    print(f"解析JSON失败: {e}")

输出：

解析JSON失败: Expecting value: line 1 column 1 (char 0)

为了避免这种错误，在解析之前，最好先对数据进行有效性检查。可以使用try - except语句捕获json.JSONDecodeError异常，在except块中进行相应的错误处理，如打印错误信息、记录日志或者返回默认值等，确保程序不会因为解析错误而崩溃。

（三）编码问题

如果 JSON 数据中包含非 ASCII 字符，在编码或解码过程中可能会出现编码问题。例如，在将 Python 对象编码为 JSON 字符串时，默认情况下ensure_ascii参数为True，这会导致非 ASCII 字符被转义为 Unicode 编码。

import json

data = {"name": "王五"}
json_str = json.dumps(data)
print(json_str)

输出：

{"name": "\u738b\u4e94"}

若要直接显示中文字符，可将ensure_ascii设为False：

json_str = json.dumps(data, ensure_ascii=False)
print(json_str)

输出：

{"name": "王五"}

在读取 JSON 文件时，如果文件编码与指定的编码不一致，也会出现解码错误。比如，文件实际编码为utf-8，但在读取时指定为gbk：

import json

try:
    with open('test.json', 'r', encoding='gbk') as f:
        data = json.load(f)
except UnicodeDecodeError as e:
    print(f"解码文件时出错: {e}")

解决此类问题，需要明确 JSON 数据的编码格式，并在编码和解码过程中保持一致。在读取文件时，要确保指定的编码与文件实际编码相符；在编码 Python 对象为 JSON 字符串时，根据需求合理设置ensure_ascii参数。

七、总结与展望

JSON 作为一种轻量级的数据交换格式，在 Python3 的编程世界中占据着举足轻重的地位。通过 Python3 的json模块，我们能够轻松实现 Python 数据类型与 JSON 格式之间的高效转换，无论是将复杂的 Python 对象编码为 JSON 字符串用于数据传输，还是从 JSON 数据中解码出 Python 对象进行后续处理，都变得极为便捷。

在实际应用中，从简单的文件操作，如存储和读取配置信息、用户数据等，到复杂的 API 数据交互，JSON 都发挥着关键作用。掌握json模块的常用函数，如dumps、dump、loads、load，以及理解数据类型转换的规则，能够帮助我们解决各种实际问题。同时，对常见错误的排查和解决能力，也是我们在使用 JSON 过程中不可或缺的技能。

随着数据驱动的应用越来越广泛，JSON 的应用场景也将不断拓展。未来，希望大家在掌握基础用法的基础上，深入探索json模块的高级特性，如自定义编码器和解码器，以满足更加复杂的业务需求。同时，在处理大规模 JSON 数据时，思考如何优化性能和内存使用，不断提升自己在数据处理领域的能力。相信通过不断的学习和实践，你将在 JSON 和 Python3 的结合应用中，创造出更多有价值的成果。