如何用Python操作JSON？json模塊技巧

python操作json的核心是使用json模塊的四個函數。1.json.loads()將json字符串轉為python對象；2.json.dumps()將python對象轉為json字符串，可設置indent美化格式；3.json.load()從文件讀取json數據；4.json.dump()將python數據寫入json文件。常見問題包括編碼錯誤、數據類型不匹配和json解析異常，需注意ensure_ascii=false支持中文、處理布爾值與none的轉換及捕獲jsondecodeerror。對于嵌套結構，可通過鏈式訪問逐層提取數據，結合.get()方法安全處理缺失字段。

在Python里操作JSON，其實遠沒有聽起來那么復雜。核心就是利用Python自帶的json模塊，它能幫你輕松實現Python數據結構（比如字典和列表）與JSON字符串之間的轉換。無論是從文件讀取，還是把數據寫入文件，亦或是直接處理內存中的字符串，json模塊都提供了直觀且強大的接口。

解決方案

要用Python操作JSON，你主要會用到json.loads()、json.dumps()、json.load()和json.dump()這四個函數。

• 從JSON字符串加載數據到Python對象：json.loads() 當你手頭有一個JSON格式的字符串，想把它變成Python能理解的字典或列表時，loads（load String的縮寫）就是你的首選。

  import json  json_str = '{"name": "張三", "age": 30, "isStudent": false, "courses": ["Math", "Physics"]}' data = json.loads(json_str) print(data) print(type(data)) # 輸出：{'name': '張三', 'age': 30, 'isStudent': False, 'courses': ['Math', 'Physics']} # 輸出：<class 'dict'>

• 將Python對象轉換為JSON字符串：json.dumps() 反過來，如果你有一個Python字典或列表，想把它序列化成JSON格式的字符串，以便存儲、傳輸或打印，dumps（dump string的縮寫）就派上用場了。

  

  import json  py_dict = {     "title": "Python JSON操作指南",     "author": "一個愛折騰的開發者",     "tags": ["Python", "JSON", "數據處理"],     "version": 1.0 } json_output = json.dumps(py_dict, indent=4, ensure_ascii=False) # indent用于美化輸出，ensure_ascii=False支持中文 print(json_output) # 輸出： # { #     "title": "Python JSON操作指南", #     "author": "一個愛折騰的開發者", #     "tags": [ #         "Python", #         "JSON", #         "數據處理" #     ], #     "version": 1.0 # }

• 從JSON文件加載數據到Python對象：json.load() 處理文件時，load（注意沒有’s’）能直接從打開的文件對象中讀取JSON數據。這比先讀取整個文件內容到字符串再用loads效率更高，也更方便。 假設你有一個名為data.json的文件，內容是：

  {     "city": "北京",     "temperature": 25,     "forecast": ["晴", "多云"] }

  import json  try:     with open('data.json', 'r', encoding='utf-8') as f:         file_data = json.load(f)         print(file_data)         # 輸出：{'city': '北京', 'temperature': 25, 'forecast': ['晴', '多云']} except FileNotFoundError:     print("文件 data.json 不存在，請先創建。")

• 將Python對象寫入JSON文件：json.dump() 要將Python對象直接寫入JSON文件，使用dump。它會幫你處理文件寫入的細節，同樣可以指定indent參數讓文件內容更易讀。

  import json  new_data = {     "product": "智能音箱",     "price": 399.99,     "features": ["語音控制", "藍牙連接", "智能家居"] }  with open('output.json', 'w', encoding='utf-8') as f:     json.dump(new_data, f, indent=4, ensure_ascii=False) print("數據已成功寫入 output.json 文件。") # output.json 的內容會是格式化后的JSON

Python處理JSON數據時常見的錯誤與應對策略

說實話，剛開始用Python處理JSON，踩坑是常有的事。最常見的幾個問題，我個人經驗來看，主要集中在編碼、數據類型不匹配和錯誤處理上。

立即學習“Python免費學習筆記（深入）”；

一個很典型的錯誤就是編碼問題。當你從外部文件或網絡請求獲取JSON數據時，如果文件的編碼不是UTF-8，或者你的程序沒有正確指定編碼，就很容易遇到UnicodeDecodeError。JSON標準建議使用UTF-8，所以我的習慣是，無論讀寫文件，都明確加上encoding=’utf-8’。比如，open(‘file.json’, ‘r’, encoding=’utf-8′)。這能省去很多不必要的麻煩。

再來是數據類型映射的理解偏差。Python的None在JSON里對應的是NULL，Python的True/False對應的是true/false。如果你不小心把Python的布爾值當字符串存進去，或者反過來期望JSON的null能直接被Python識別成某個特定值，就可能出問題。json模塊會自動幫你處理這些基本類型的轉換，但如果你在Python代碼里構造數據時用了非JSON兼容的類型（比如set），json.dumps()就會拋出TypeError。這時候你就得手動轉換，比如把set轉成list。

最后，也是我經常強調的，錯誤處理。不是所有的字符串都是合法的JSON。當json.loads()嘗試解析一個格式錯誤的字符串時，它會拋出json.JSONDecodeError。所以，在實際項目中，尤其是在處理用戶輸入或外部API返回的數據時，一定要用try…except json.JSONDecodeError來捕獲這個異常。這樣可以防止程序崩潰，并給用戶或日志提供有用的錯誤信息。

import json  malformed_json_str = '{"name": "Alice", "age": 30,' # 少了個 }  try:     data = json.loads(malformed_json_str)     print(data) except json.JSONDecodeError as e:     print(f"解析JSON失敗：{e}")     print("請檢查JSON字符串的格式是否正確。") # 輸出：解析JSON失?。篍xpecting property name or '}' at line 1 column 28 (char 27) # 輸出：請檢查JSON字符串的格式是否正確。

如何優雅地美化和格式化JSON輸出？

讓JSON輸出變得“好看”或者說“易讀”，是調試和日志記錄時非常重要的一個環節。json模塊提供了幾個參數，能讓你輕松實現這一點。我個人在調試或者需要把JSON內容粘貼到文檔里時，都會用到它們。

最常用的就是indent參數。當你把它設置為一個整數（比如4）時，json.dumps()或json.dump()會在每個層級縮進指定數量的空格，并為每個鍵值對添加換行符，讓JSON結構一目了然。

import json  complex_data = {     "project": "ai助手",     "developers": [         {"name": "李華", "role": "前端"},         {"name": "王明", "role": "后端", "skills": ["Python", "Django", "SQL"]}     ],     "status": "開發中",     "milestones": {         "phase1": "需求分析",         "phase2": "原型設計",         "phase3": "核心功能開發"     } }  # 不帶縮進的輸出，緊湊但難以閱讀 print("--- 緊湊輸出 ---") print(json.dumps(complex_data, ensure_ascii=False))  # 帶4個空格縮進的輸出，非常易讀 print("n--- 格式化輸出 (indent=4) ---") print(json.dumps(complex_data, indent=4, ensure_ascii=False))

除了indent，還有一個sort_keys參數也很有用。當sort_keys設置為True時，輸出的JSON中，字典的鍵會按照字母順序排序。這對于需要比較兩個JSON文件是否完全相同（例如，自動化測試中對比預期輸出和實際輸出），或者僅僅是為了保持輸出的一致性，都非常有幫助。因為JSON對象中的鍵是無序的，不同次運行dumps可能會得到鍵順序不同的字符串，sort_keys=True就能解決這個問題。

import json  data_to_sort = {     "z_key": 1,     "a_key": 2,     "c_key": 3 }  print("n--- 默認鍵順序 (不保證) ---") print(json.dumps(data_to_sort, indent=2))  print("n--- 排序后的鍵順序 ---") print(json.dumps(data_to_sort, indent=2, sort_keys=True))

通過這些參數，你可以根據不同的場景需求，靈活地控制JSON輸出的格式，讓它們要么緊湊高效，要么清晰易讀。

處理嵌套JSON數據有哪些技巧？

JSON數據結構最迷人的地方，就是它天然支持嵌套。一個鍵的值可以是另一個JSON對象，也可以是json數組，數組里面又可以包含JSON對象……這種層層疊疊的結構，在表示復雜關系時特別方便。但處理起來，有時候確實會讓人感覺像在“剝洋蔥”。

核心技巧就是鏈式訪問。Python在把JSON解析成字典和列表后，你就可以像操作普通Python字典和列表一樣，一層一層地訪問下去。

import json  nested_json_str = """ {     "company": "TechSolutions Inc.",     "departments": [         {             "name": "研發部",             "employees": [                 {"id": "001", "name": "王工程師", "projects": ["Project Alpha", "Project Beta"]},                 {"id": "002", "name": "李架構師", "projects": ["Project Gamma"]}             ],             "location": {"city": "上海", "building": "A座"}         },         {             "name": "市場部",             "employees": [                 {"id": "003", "name": "張經理", "campaigns": ["Spring Sale"]}             ],             "location": {"city": "北京", "building": "B座"}         }     ],     "established_year": 2010 } """  data = json.loads(nested_json_str)  # 訪問公司名稱 print(f"公司名稱: {data['company']}")  # 訪問第一個部門的名稱 first_department = data['departments'][0] print(f"第一個部門: {first_department['name']}")  # 訪問第一個部門的第二個員工的名字和項目 second_employee = first_department['employees'][1] print(f"第二個員工: {second_employee['name']}, 參與項目: {second_employee['projects']}")  # 訪問第二個部門的城市 second_department_city = data['departments'][1]['location']['city'] print(f"第二個部門所在城市: {second_department_city}")

當數據結構變得非常復雜，或者你不確定某個鍵是否存在時，使用字典的.get()方法會比直接用[]訪問更安全。get()方法允許你提供一個默認值，當鍵不存在時返回這個默認值，而不是拋出KeyError。這在處理可能缺失字段的JSON數據時尤其有用。

# 假設我們想獲取一個可能不存在的部門 try:     non_existent_department = data['departments'][2] # 索引2不存在     print(non_existent_department) except IndexError:     print("部門索引超出范圍。")  # 使用 .get() 訪問可能不存在的鍵 # 嘗試獲取一個不存在的員工ID employee_id = data['departments'][0]['employees'][0].get('employee_id', 'N/A') print(f"員工ID (可能不存在): {employee_id}") # 輸出：員工ID (可能不存在): N/A  # 嘗試獲取一個不存在的部門名稱，返回None non_existent_dept_name = data.get('non_existent_department', {}).get('name') print(f"不存在的部門名稱: {non_existent_dept_name}") # 輸出：不存在的部門名稱: None

對于非常深層或結構不固定的JSON，你可能需要編寫遞歸函數來遍歷整個結構，或者考慮使用jsonpath這樣的第三方庫，它們提供了類似XPath的查詢語言來定位JSON中的特定元素。但對于大多數日常任務，掌握鏈式訪問和.get()方法，就已經足夠應對了。