Python中的JSON工具庫

1、原生json庫

json是Python內(nèi)置標(biāo)準(zhǔn)庫，開箱即用。json庫也非常簡單，就兩組序列化（編碼）、反序列化（解碼）方法。

基本使用

1）Python對(duì)象與JSON字符串的互相轉(zhuǎn)化：

import json

data = {"name": "Alice", "age": 30, "is_active": True}

# json.dumps將 Python 對(duì)象轉(zhuǎn)為 JSON 字符串
json_str = json.dumps(data)
print(json_str)  # {"name": "Alice", "age": 30, "is_active": true}

# json.loads將JSON 字符串轉(zhuǎn)為 Python 對(duì)象
parsed = json.loads(json_str)
print(parsed)  # {"name": "Alice", "age": 30, "is_active": true}

以下是Python 類型與JSON 類型的轉(zhuǎn)化對(duì)照，注意json 庫無法直接處理datetime, Decimal, UUID 等常用內(nèi)建類型以及自定義類對(duì)象。

Python 類型	JSON 類型
dict	object
list, tuple	array
str	number
True / False	true / false
None	null

2）JSON文件的讀取與寫入：

#json.dump寫入 JSON 到文件
with open('data.json', 'w', encoding='utf-8') as f:
    json.dump(data, f, indent=2)

#json.load從文件讀取 JSON
with open('data.json', 'r', encoding='utf-8') as f:
    loaded = json.load(f)

注意json 庫處理超大 JSON 文件時(shí)（如 GB 級(jí)），json.load() 會(huì)一次性讀取內(nèi)存，效率低甚至崩潰?！?/p>

具體參數(shù)說明：

參數(shù)名	說明
indent=2	美化輸出（縮進(jìn)）
sort_keys=True	字典按 key 排序輸出
ensure_ascii=False	輸出非 ASCII 字符（如中文）
default=function	自定義無法序列化對(duì)象的處理方式

2、simplejson

simplejson 是 Python 的一個(gè)第三方 JSON 庫，是標(biāo)準(zhǔn)庫 json 的超集，提供更強(qiáng)大的功能與兼容性。它最初就是標(biāo)準(zhǔn)庫 json 的前身，所以用法非常相似，但提供了更多擴(kuò)展選項(xiàng)（如精度控制、Decimal 支持、自定義編碼等）

安裝

pip install simplejson

基本使用
simplejson也包含了loads\load,dumps\dump兩組序列化（編碼）、反序列化（解碼）方法，且使用方法與內(nèi)置的json庫一模一樣。　　

import simplejson as json


data = {"name": "Alice", "age": 30, "is_active": True}

# json.dumps將 Python 對(duì)象轉(zhuǎn)為 JSON 字符串
json_str = json.dumps(data)
print(json_str)  # {"name": "Alice", "age": 30, "is_active": true}

# json.loads將JSON 字符串轉(zhuǎn)為 Python 對(duì)象
parsed = json.loads(json_str)
print(parsed)  # {"name": "Alice", "age": 30, "is_active": true}

使用 Decimal 類型，simplejson支持Decimal類型的序列化與反序列化：　　

import simplejson as json

from decimal import Decimal

data = {'price': Decimal('19.99')}

# 支持 Decimal（不會(huì)強(qiáng)制轉(zhuǎn) float）
json_str = json.dumps(data, use_decimal=True)
print(json_str)  # {"price": 19.99}

# 正確解析為 Decimal
parsed = json.loads(json_str, use_decimal=True)
print(parsed)  # {'price': Decimal('19.99')}

3、orjson、ujson與rapidjson

安裝

pip install orjson
pip install ujson
pip install python-rapidjson

orjson用法：

import orjson


data = {"name": "Alice", "age": 30, "is_active": True}

# json.dumps將 Python 對(duì)象轉(zhuǎn)為 JSON 字符串
json_str = orjson.dumps(data)
print(json_str)  # b'{"name":"Alice","age":30,"is_active":true}'

# json.loads將JSON 字符串轉(zhuǎn)為 Python 對(duì)象
parsed = orjson.loads(json_str)
print(parsed)  #{'name': 'Alice', 'age': 30, 'is_active': True}

ujson用法：

import ujson


data = {"name": "Alice", "age": 30, "is_active": True}

# json.dumps將 Python 對(duì)象轉(zhuǎn)為 JSON 字符串
json_str = ujson.dumps(data)
print(json_str)  # {"name":"Alice","age":30,"is_active":true}

# json.loads將JSON 字符串轉(zhuǎn)為 Python 對(duì)象
parsed = ujson.loads(json_str)
print(parsed)  # {'name': 'Alice', 'age': 30, 'is_active': True}

rapidjson用法：

import rapidjson


data = {"name": "Alice", "age": 30, "is_active": True}

# json.dumps將 Python 對(duì)象轉(zhuǎn)為 JSON 字符串
json_str = rapidjson.dumps(data)
print(json_str)  # {"name":"Alice","age":30,"is_active":true}

# json.loads將JSON 字符串轉(zhuǎn)為 Python 對(duì)象
parsed = rapidjson.loads(json_str)
print(parsed)  # {'name': 'Alice', 'age': 30, 'is_active': True}

orjson、ujson、rapidjson與json區(qū)別：

import orjson, ujson, rapidjson, json
import time

data = [{"id": i, "name": f"user{i}", "active": True, "score": i * 0.5} for i in range(100000)]


def test(lib, dumps_func, loads_func):
    t1 = time.time()
    s = dumps_func(data)
    t2 = time.time()
    obj = loads_func(s)
    t3 = time.time()
    print(f"{lib}: dumps={t2 - t1:.4f}s, loads={t3 - t2:.4f}s")


test("orjson", orjson.dumps, orjson.loads)
test("ujson", ujson.dumps, ujson.loads)
test("rapidjson", rapidjson.dumps, rapidjson.loads)
test("json", json.dumps, json.loads)

性能結(jié)果區(qū)別：

orjson: dumps=0.0150s, loads=0.0319s
ujson: dumps=0.0539s, loads=0.0578s
rapidjson: dumps=0.0598s, loads=0.1167s
json: dumps=0.0997s, loads=0.0768s

庫名	dumps 時(shí)間	loads 時(shí)間	總體性能評(píng)價(jià)
orjson	?? 最快（~0.09s）	?? 最快（~0.08s）	?????? 超高速
ujson	次快（~0.13s）	次快（~0.12s）	???? 快
rapidjson	稍慢（~0.18s）	穩(wěn)定（~0.15s）	?? 中等
json（內(nèi)置）	?? ~0.27s	?? ~0.23s	?? 慢

功能結(jié)果區(qū)別：

用法	orjson	ujson	rapidjson
序列化	orjson.dumps(data) → bytes	ujson.dumps(data) → str	rapidjson.dumps(data) → str
反序列化	orjson.loads(bytes/str)	ujson.loads(str)	rapidjson.loads(str)
注意點(diǎn)	返回 bytes，需 .decode()	無 datetime 支持	返回 str，兼容性強(qiáng)

功能特性	orjson	ujson	rapidjson
? 支持 datetime	? ISO 格式	?	? 可配置格式
? 支持 Decimal	?? 轉(zhuǎn)為 float	?	? 原生支持
? 自定義對(duì)象序列化	? 支持 default	?	? 支持 default
? 精度控制（float、NaN）	? option= 參數(shù)	?	? 多選項(xiàng)支持
? 縮進(jìn)與格式化輸出	?（有）	?	? indent 參數(shù)
? 輸出類型	bytes	str	str

4、json5

json5 是 JSON 的超集，允許更寬松的語法（如允許注釋、單引號(hào)、不加引號(hào)的鍵等），適合人類書寫配置文件。json5 庫提供了對(duì) JSON5 格式的解析支持。

pip install json5

import json5

# JSON5 字符串，包含注釋、單引號(hào)、不加引號(hào)的鍵等
json5_str = """
{
    // 這是一個(gè)注釋
    unquotedKey: 'value',
    "quotedKey": 123,
    trailingComma: true,
}
"""
# 解析 JSON5 字符串
data_loads = json5.loads(json5_str)
print(data_loads)

data_dumps = json5.dumps(json5_str)
print(data_dumps)

json5 庫支持的擴(kuò)展語法解析：

特性	說明
注釋	支持 // 單行注釋和 /* */ 多行注釋
尾逗號(hào)	允許最后一個(gè)元素后寫逗號(hào)
單引號(hào)字符串	'text' 與 "text" 都合法
未加引號(hào)的鍵	允許鍵名不加引號(hào)（如 foo: 1）
十六進(jìn)制數(shù)字	支持 0x1234 數(shù)字表示
正負(fù)號(hào)數(shù)字	支持 +1、-2
多行字符串	可以使用 \ 跨行字符串
數(shù)字中的下劃線	如 1_000_000（提高可讀性）

寫入 JSON5 數(shù)據(jù)
雖然 json5 支持讀取 JSON5 文件，但并不支持將 Python 對(duì)象序列化為 JSON5 格式（即沒有 json5.dumps() 帶有 JSON5 特性的輸出功能）。它只能寫成標(biāo)準(zhǔn) JSON

5、dataclasses_json

dtaclasses-json主要用于dataclasses 的 JSON 序列化/反序列化，它還支持dataclasses與dict類型的互相轉(zhuǎn)化，是 dataclasses 的一個(gè)強(qiáng)力補(bǔ)丁庫。

pip install dataclasses-json

基本使用

from dataclasses import dataclass
from dataclasses_json import dataclass_json


@dataclass_json
@dataclass
class User:
    id: int
    name: str


user = User(id=1, name='Alice')

# 序列化為 JSON 字符串
json_str = user.to_json()
print(json_str)  # {"id": 1, "name": "Alice"}

# 反序列化為 Python 對(duì)象
new_user = User.from_json('{"id": 2, "name": "Bob"}')
print(new_user.name)  # Bob

# 轉(zhuǎn)為字典
print(user.to_dict())  # {'id': 1, 'name': 'Alice'}

# 從字典創(chuàng)建
u = User.from_dict({'id': 3, 'name': 'Carol'})
print(u)  # User(id=3, name='Carol')

嵌套結(jié)構(gòu)支持

from dataclasses import dataclass
from dataclasses_json import dataclass_json


@dataclass_json
@dataclass
class Address:
    city: str
    zipcode: str


@dataclass_json
@dataclass
class Person:
    name: str
    address: Address


p = Person(name='Tom', address=Address(city='NY', zipcode='10001'))

print(p.to_json())
# {"name": "Tom", "address": {"city": "NY", "zipcode": "10001"}}

# 自動(dòng)反序列化嵌套結(jié)構(gòu)
data = Person.from_json('{"name": "Amy", "address": {"city": "LA", "zipcode": "90001"}}')
print(data)
# Person(name='Amy', address=Address(city='LA', zipcode='90001'))

轉(zhuǎn)換配置
config函數(shù)可以用于配置字段的類型和別名等。

from dataclasses import dataclass
from dataclasses_json import dataclass_json
import datetime


@dataclass_json
@dataclass
class Data:
    user_id: int = config(field_name='userId')
    time: datetime = config(
        encoder=datetime.isoformat,
        decoder=datetime.fromisoformat,
        mm_field=fields.DateTime()
    )

d = Data(user_id=1001, time=datetime(2024, 1, 1, 12, 0))

6、JSON數(shù)據(jù)校驗(yàn)

6.1 jsonschema

jsonschema 是 Python 中用于JSON 數(shù)據(jù)結(jié)構(gòu)驗(yàn)證的官方實(shí)現(xiàn)之一，遵循 JSON Schema 標(biāo)準(zhǔn)，可以驗(yàn)證 JSON 數(shù)據(jù)是否符合你定義的“規(guī)則/結(jié)構(gòu)”。

pip install jsonschema

基本使用　　

from jsonschema import validate
from jsonschema.exceptions import ValidationError

# 定義 JSON Schema（結(jié)構(gòu)規(guī)則）
schema = {
    "type": "object",
    "properties": {
        "name":   {"type": "string"},
        "age":    {"type": "integer", "minimum": 0},
    },
    "required": ["name", "age"]
}

# 要校驗(yàn)的 JSON 數(shù)據(jù)
data = {
    "name": "Alice",
    "age": 30
}

try:
    validate({"name": "Bob"}, schema)
except ValidationError as e:
    print("校驗(yàn)失敗:", e.message)

常見規(guī)則示例　　

{
  "type": "object",
  "properties": {
    "username": {"type": "string", "minLength": 3, "pattern": "^[a-zA-Z0-9_]+$"},
    "age": {"type": "integer", "minimum": 0, "maximum": 120},
    "email": {"type": "string", "format": "email"},
    "tags": {
      "type": "array",
      "items": {"type": "string"},
      "maxItems": 5
    },
    "active": {"type": "boolean"}
  },
  "required": ["username", "email"]
}

自定義規(guī)則示例 　　

from jsonschema import Draft7Validator, FormatChecker

schema = {
    "type": "object",
    "properties": {
        "phone": {"type": "string", "format": "phone"}
    }
}


# 添加自定義格式檢查器
@FormatChecker.cls_checks("phone")
def is_phone(value):
    import re
    return bool(re.match(r'^\d{11}$', value))


data = {"phone": "13800138000"}

6.2 pydantic

Pydantic 是 Python 中最流行的數(shù)據(jù)驗(yàn)證和數(shù)據(jù)模型庫，它的功能完全有必要另開一篇文章來詳細(xì)討論，這里僅僅介紹一下它在JSON 數(shù)據(jù)校驗(yàn)中的使用。

pip install pydantic

基本使用

from pydantic import Field

class Product(BaseModel):
    name: str = Field(..., min_length=3)
    price: float = Field(..., gt=0, lt=10000)

# 自動(dòng)校驗(yàn) JSON 字段
try:
    Product.model_validate({"name": "P", "price": -10})
except ValidationError as e:

數(shù)組與復(fù)雜結(jié)構(gòu)

from typing import List

class Tag(BaseModel):
    name: str

class Post(BaseModel):
    title: str
    tags: List[Tag]

post_data = {
    "title": "My Post",
    "tags": [{"name": "Python"}, {"name": "FastAPI"}]
}

post = Post.model_validate(post_data)

自定義校驗(yàn)器　　

from pydantic import field_validator

class User(BaseModel):
    username: str

    @field_validator('username')
    def no_spaces(cls, v):
        if ' ' in v:
            raise ValueError("username can't contain spaces")

6.3 Voluptuous

Voluptuous 是一個(gè)用于 Python 數(shù)據(jù)校驗(yàn)的庫，語法靈活、結(jié)構(gòu)清晰，不同于jsonschema 所遵循JSON Schema 標(biāo)準(zhǔn)，它采用的是「函數(shù)式」「聲明式」風(fēng)格。

from voluptuous import Schema, Required, All, Length, Range, MultipleInvalid

schema = Schema({
    Required('name'): All(str, Length(min=2)),
    Required('age'): All(int, Range(min=0, max=120)),
    'email': str,
})

data = {
    'name': 'Alice',
    'age': 30,
    'email': 'alice@example.com'
}

try:
    schema({'name': 'A', 'age': -1})
except MultipleInvalid as e:
    print(e)

常用的構(gòu)造器和校驗(yàn)器主要有：　

校驗(yàn)器	功能
Required(...)	必須字段
Optional(...)	可選字段
All(...)	多重條件組合校驗(yàn)器
Length(min, max)	字符串或列表長度限制
Range(min, max)	數(shù)值范圍限制
Match(r'^\w+$')	正則匹配
In([...])	枚舉（值必須屬于其中之一）
Any(A, B)	多個(gè)類型之一
[type]	列表中每一項(xiàng)的類型
{str: int}	鍵值類型均為特定類型的 dict

嵌套結(jié)構(gòu)與數(shù)組校驗(yàn)

config_schema = Schema({
    Required('host'): str,
    Required('port'): All(int, Range(min=1024, max=65535)),
    'debug': bool,
    'users': [{
        Required('name'): str,
        'email': str
    }]
})

config = {
    'host': 'localhost',
    'port': 8000,
    'debug': True,
    'users': [{'name': 'admin', 'email': 'admin@example.com'}]
}

自定義驗(yàn)證規(guī)則　　

from voluptuous import Invalid


def is_even(v):
    if v % 2 != 0:
        raise Invalid("必須為偶數(shù)")
    return v


schema = Schema({'number': is_even})
print(schema({'number': 4}))

7、JSON數(shù)據(jù)的比較

7.1、jsondiff

jsondiff 是一個(gè)用于比較兩個(gè) JSON（或 Python 字典）對(duì)象差異的輕量級(jí)庫。它能生成最小的變更（patch）表示，并支持將差異反向應(yīng)用和還原原始數(shù)據(jù)。

pip install jsondiff

基本用法

import jsondiff

a = {"name": "Alice", "age": 30}
b = {"name": "Alice", "age": 31}

diff = jsondiff.diff(a, b)
print(diff)  # 輸出：{'age': 31}

合并與還原（補(bǔ)丁 patch）　　

import jsondiff

a = {"name": "Alice", "age": 30}
b = {"name": "Alice", "age": 31}

diff = jsondiff.diff(a, b)
print(diff)  # 輸出：{'age': 31}

patch = jsondiff.diff(a, b)
new_obj = jsondiff.patch(a, patch)  # 應(yīng)用 patch 得到 b
original = jsondiff.unpatch(new_obj, patch)  # 還原為 a

print(new_obj)  # {'name': 'Alice', 'age': 31}
print(original)  # {'name': 'Alice', 'age': 30}

嵌套結(jié)構(gòu) diff　

x = {"user": {"name": "Alice", "tags": ["a", "b"]}}
y = {"user": {"name": "Alice", "tags": ["a", "c"]}}

print(jsondiff.diff(x, y))

參數(shù)選項(xiàng)（比如忽略順序）

a = {'numbers': [1, 2, 3]}
b = {'numbers': [3, 2, 1]}

# 默認(rèn)考慮順序
print(jsondiff.diff(a, b))  

# 忽略順序
print(jsondiff.diff(a, b, dump=True, syntax='symmetric', sequence_matcher=jsondiff.SequenceMatcher))

7.2、deepdiff

比起jsondiff，deepdiff 的功能更加強(qiáng)大，尤其用于深度比較兩個(gè) Python 對(duì)象（特別是嵌套的 dict、list、set、tuple 等），并提供結(jié)構(gòu)化的差異信息。

pip install deepdiff

from deepdiff import DeepDiff

a = {"name": "Alice", "age": 30}
b = {"name": "Alice", "age": 31}

diff = DeepDiff(a, b)
print(diff)

差異信息說明：　　

鍵名	含義
values_changed	值發(fā)生了變化
type_changes	類型發(fā)生變化
dictionary_item_added	新增鍵
dictionary_item_removed	刪除鍵
iterable_item_added	列表/集合等新增項(xiàng)
iterable_item_removed	列表/集合等移除項(xiàng)
attribute_changed	對(duì)象屬性變更（如類實(shí)例）
set_item_removed/set_item_added	集合元素變更

生成和應(yīng)用補(bǔ)丁

from deepdiff import DeepDiff, patch, unpatch

a = {"x": 1}
b = {"x": 2}

ddiff = DeepDiff(a, b, view='tree')
p = ddiff.patch

# 應(yīng)用 patch
new_data = patch(a, p)
print(new_data)  # {'x': 2}

# 還原
orig = unpatch(new_data, p)
print(orig )

差異路徑與提取值

ddiff = DeepDiff(a, b, view='tree')
for diff_item in ddiff['values_changed']:
    print(diff_item.path(), diff_item.t1, "→", diff_item.t2)

嵌套結(jié)構(gòu) diff　　

a = {"user": {"name": "Alice", "roles": ["admin", "dev"]}}
b = {"user": {"name": "Alice", "roles": ["admin", "ops"]}}

diff = DeepDiff(a, b)

參數(shù)選項(xiàng)（比如忽略順序，設(shè)置精度）　　

a = {'numbers': [1, 2, 3]}
b = {'numbers': [3, 2, 1]}

diff = DeepDiff(a, b, ignore_order=True)
print(diff)  # 無差異

# 浮點(diǎn)精度控制
diff = DeepDiff(0.3000000001, 0.3, significant_digits=7)

8、JSON數(shù)據(jù)的查詢與操作

8.1 pyjq

pyjq 封裝了 jq命令行工具，可以通過jq 表達(dá)式對(duì) JSON 數(shù)據(jù)進(jìn)行強(qiáng)大的模式匹配與提取、轉(zhuǎn)換等操作。

pip install pyjq

import pyjq

data = {
    "users": [
        {"name": "Alice", "age": 30},
        {"name": "Bob", "age": 25}
    ]
}

result = pyjq.all('.users[] | select(.age > 26) | .name', data)

常用的jq 表達(dá)式：　　

表達(dá)式	含義
.	原始對(duì)象本身
.field	提取字段
.[]	遍歷數(shù)組
select(.field > 10)	條件篩選
map(.field)	映射數(shù)組中每一項(xiàng)的某字段
.{a: .field1, b: .field2}	構(gòu)造新字典
`.[]	{name, age}`

嵌套結(jié)構(gòu)

data = {
    "items": [
        {"id": 1, "tags": ["a", "b"]},
        {"id": 2, "tags": ["b", "c"]}
    ]
}

# 提取所有 tags
result = pyjq.all('.items[].tags[]', data)

提取字典轉(zhuǎn)為新結(jié)構(gòu)　　

data = {
    "name": "Alice",
    "profile": {
        "email": "a@example.com",
        "phone": "123456"
    }
}

result = pyjq.first('{username: .name, contact: .profile.email}', data)

8.2 jsonpath-ng

jsonpath 是用于在 Python 中從 JSON 數(shù)據(jù)結(jié)構(gòu)中提取數(shù)據(jù)的查詢、操作工具，類似于 XPath 之于 XML。 jsonpath-ng（前身jsonpath）是 JSONPath 在 Python 中的主流實(shí)現(xiàn)庫。

pip install jsonpath-ng

基本使用

from jsonpath_ng import jsonpath, parse

data = {
    "store": {
        "book": [
            {"title": "Book A", "price": 8.95},
            {"title": "Book B", "price": 12.99}
        ],
        "bicycle": {
            "color": "red",
            "price": 19.95
        }
    }
}

# 編譯 JSONPath 表達(dá)式
jsonpath_expr = parse('$.store.book[*].title')

# 執(zhí)行匹配并提取結(jié)果
matches = jsonpath_expr.find(data)
titles = [match.value for match in matches]

常見的JSONPath 表達(dá)式：

表達(dá)式	說明
$	根節(jié)點(diǎn)
$.store.book	訪問鍵路徑
$.store.book[*].title	遍歷數(shù)組并提取字段
$..price	遞歸提取所有層級(jí)的 price
$.store.book[0]	第一個(gè)數(shù)組元素
$.store.book[-1:]	最后一個(gè)元素
$.store.book[?(@.price > 10)]	條件篩選

條件查詢

expr = parse('$.store.book[?(@.price > 10)].title')
matches = expr.find(data)
titles = [m.value for m in matches]

修改數(shù)據(jù)
可以通過 match.path.update(data, new_value) 來修改原始數(shù)據(jù)：

expr = parse('$.store.bicycle.color')
matches = expr.find(data)

for match in matches:
    match.path.update(data, "blue")
print(data["store"]["bicycle"]["color"])  # blue

提取匹配路徑和值　　

for match in expr.find(data):
    print(match.path, match.value)

9、JSON數(shù)據(jù)文件的操作

9.1 ijson

ijson 是一個(gè)用于 增量解析 JSON 文件 的 Python 庫，特別適用于 大文件/流式處理。它基于迭代器，可邊讀邊解析，不會(huì)一次性加載整個(gè) JSON，從而節(jié)省內(nèi)存。

pip install ijson

基本用法

JSON數(shù)據(jù)源


{
  "records": {
    "item": [
      {"id": 1, "name": "Alice"},
      {"id": 2, "name": "Bob"}
    ]
  }
 }



import ijson

with open('large_file.json', 'r') as f:
    for item in ijson.items(f, 'records.item'):
        print(item)
# {'id': 1, 'name': 'Alice'}

讀取嵌套數(shù)組結(jié)構(gòu)

with open('large_file.json', 'r') as f:
    for item in ijson.items(f, 'data.users.item'):
      print(item)

從網(wǎng)絡(luò)流/HTTP/Bytes 中讀取

import requests
import ijson

response = requests.get('https://example.com/data.json', stream=True)
for item in ijson.items(response.raw, 'users.item'):
  print(item)

9.2 jsonlines

jsonlines 是一種特殊格式的 JSON 文件，每行是一個(gè)合法的 JSON 對(duì)象，廣泛用于日志、數(shù)據(jù)流、大規(guī)模數(shù)據(jù)處理（如機(jī)器學(xué)習(xí)訓(xùn)練集） 中。

pip install jsonlines

JSON數(shù)據(jù)源

{"id": 1, "name": "Alice"}
{"id": 2, "name": "Bob"}



讀取 JSON Lines 文件

import jsonlines

with jsonlines.open('data.jsonl') as reader:
    for obj in reader:
        print(obj['name'])

寫入 JSON Lines 文件

import jsonlines

data = [{"id": 1}, {"id": 2}, {"id": 3}]
with jsonlines.open('output.jsonl', mode='w') as writer:
  writer.write_all(data)

9.3 jsonpickle

jsonpickle 是一個(gè)功能強(qiáng)大的 Python 庫，用于將 復(fù)雜的 Python 對(duì)象（如自定義類、函數(shù)、日期、NumPy、Pandas 等）序列化為 JSON，并能將其反序列化回來，它支持更多內(nèi)置類型與第三方類型。　　

pip install jsonpickle

序列化（encode）

import jsonpickle

class Person:
    def __init__(self, name):
        self.name = name

obj = Person("Alice")

# 序列化為 JSON 字符串
json_str = jsonpickle.encode(obj)

反序列化（decode）　　

obj_restored = jsonpickle.decode(json_str)

復(fù)雜類型

import jsonpickle
import datetime
import decimal

data = {
    "time": datetime.datetime.now(),
    "score": decimal.Decimal('9.99'),
    "tags": {"a", "b", "c"},
}

json_str = jsonpickle.encode(data)
print(json_str)

restored = jsonpickle.decode(json_str)

保存和加載 JSON 文件

# 寫入文件
with open('person.json', 'w') as f:
    f.write(jsonpickle.encode(obj))

# 從文件讀取
with open('person.json', 'r') as f:
  obj2 = jsonpickle.decode(f.read())

自定義 JSON處理庫　　

jsonpickle可以指定JSON的處理庫，如選擇高性能庫orjson。

import jsonpickle.ext.orjson as orjson
jsonpickle.set_encoder_options('orjson', option=orjson.OPT_INDENT_2)

posted @ 2025-07-02 10:42 北京測試菜鳥閱讀(64) 評(píng)論(0) 收藏舉報(bào)

刷新頁面返回頂部

北京測試菜鳥

Python中的JSON工具庫

1、原生json庫

2、simplejson

3、orjson、ujson與rapidjson

orjson用法：

ujson用法：

rapidjson用法：

orjson、ujson、rapidjson與json區(qū)別：

功能結(jié)果區(qū)別：

4、json5

5、dataclasses_json

6、JSON數(shù)據(jù)校驗(yàn)

6.1 jsonschema

6.2 pydantic

6.3 Voluptuous

7、JSON數(shù)據(jù)的比較

7.1、jsondiff

7.2、deepdiff

8、JSON數(shù)據(jù)的查詢與操作

8.1 pyjq

8.2 jsonpath-ng

9、JSON數(shù)據(jù)文件的操作

9.1 ijson

9.2 jsonlines

9.3 jsonpickle

公告

1、原生json庫

2、simplejson

3、orjson、ujson與rapidjson

orjson、ujson、rapidjson與json區(qū)別：

4、json5

5、dataclasses_json

7、JSON數(shù)據(jù)的比較

7.1、jsondiff

7.2、deepdiff

8、JSON數(shù)據(jù)的查詢與操作

9、JSON數(shù)據(jù)文件的操作