python用json如何存取

Python中使用JSON进行数据存取的完整指南

Python中使用JSON进行数据存取的完整指南

在Python开发中，JSON（JavaScript Object Notation）作为一种轻量级、易读易写的数据交换格式，被广泛应用于跨平台数据交互、配置文件存储、API数据传输等场景，Python内置了json模块，提供了简单高效的方法来实现JSON数据的序列化（将Python对象转换为JSON格式）和反序列化（将JSON格式数据转换为Python对象），本文将详细介绍如何使用Python的json模块进行数据的存储与读取，涵盖基础操作、进阶技巧及常见问题解决。

JSON与Python数据类型的映射关系

在使用JSON存取数据前，需明确JSON格式与Python原生数据类型的对应关系,这是正确处理数据的前提：

将Python数据存储为JSON文件（序列化）

序列化是指将Python对象转换为JSON字符串并写入文件的过程，核心方法是json.dump()（直接写入文件）和json.dumps()（先转换为字符串，再手动写入）。

使用json.dump()直接写入文件

json.dump()适用于将Python对象直接序列化并写入文件,避免手动拼接字符串的步骤。

示例：存储字典数据到JSON文件

import json
# 准备Python数据（字典）
data = {
    "name": "张三",
    "age": 25,
    "is_student": False,
    "courses": ["Python", "JavaScript", "SQL"],
    "info": None
}
# 写入JSON文件（使用utf-8编码，确保中文可读）
with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=4)
print("数据已成功存储到data.json文件")

参数说明：

• ensure_ascii=False：允许非ASCII字符（如中文）直接写入，避免转义为\u格式。
• indent=4：格式化输出，指定缩进为4个空格，提升文件可读性（若省略，JSON会以紧凑格式存储）。

使用json.dumps()生成JSON字符串后写入文件

若需要先对JSON字符串进行处理（如加密、传输），可使用json.dumps()生成字符串,再手动写入文件。

示例：生成JSON字符串并写入

import json
data = {"name": "李四", "scores": [90, 85, 88]}
# 生成JSON字符串
json_str = json.dumps(data, ensure_ascii=False, indent=4)
print("生成的JSON字符串：")
print(json_str)
# 手动写入文件
with open("scores.json", "w", encoding="utf-8") as f:
    f.write(json_str)
print("字符串已写入scores.json文件")

从JSON文件读取数据到Python（反序列化）

反序列化是指将JSON文件中的数据读取并转换为Python对象的过程，核心方法是json.load()（直接从文件读取）和json.loads()（从字符串解析）。

使用json.load()直接从文件读取

json.load()适用于直接从文件对象解析JSON数据,无需手动读取文件内容。

示例：读取JSON文件并转换为Python字典

import json
# 从文件读取数据
with open("data.json", "r", encoding="utf-8") as f:
    loaded_data = json.load(f)
# 输出读取的数据（Python字典类型）
print("读取的数据类型：", type(loaded_data))
print("读取的数据内容：")
print(loaded_data)
# 访问具体数据
print(f"姓名：{loaded_data['name']}")
print(f"课程列表：{loaded_data['courses']}")

使用json.loads()从JSON字符串解析

若JSON数据来自网络请求、用户输入等字符串形式，可使用json.loads()解析。

示例：解析JSON字符串

import json
# JSON字符串（可能来自API响应或用户输入）
json_str = '{"name": "王五", "age": 30, "hobbies": ["reading", "traveling"]}'
# 解析为Python字典
data = json.loads(json_str)
print("解析后的数据类型：", type(data))
print("解析后的数据：", data)
# 访问数据
print(f"年龄：{data['age']}")
print(f"爱好：{', '.join(data['hobbies'])}")

进阶技巧与常见问题

处理复杂数据类型（如自定义对象）

JSON原生不支持Python的datetime、自定义类等复杂类型，需手动转换，处理datetime对象：

import json
from datetime import datetime
# 定义包含datetime的数据
data = {
    "event": "Python讲座",
    "time": datetime.now(),  # datetime对象
    "participants": 100
}
# 自定义序列化函数
def datetime_handler(obj):
    if isinstance(obj, datetime):
        return obj.isoformat()  # 转换为ISO格式字符串
    raise TypeError(f"Object of type {type(obj)} is not JSON serializable")
# 使用default参数处理自定义类型
json_str = json.dumps(data, default=datetime_handler, ensure_ascii=False)
print("处理后的JSON：")
print(json_str)
# 反序列化时，将字符串转回datetime
loaded_data = json.loads(json_str)
loaded_data["time"] = datetime.fromisoformat(loaded_data["time"])
print("反序列化后的datetime：", loaded_data["time"])

处理文件读写异常

文件操作可能因权限不足、文件不存在等出错，需结合try-except捕获异常：

import json
try:
    with open("nonexistent.json", "r", encoding="utf-8") as f:
        data = json.load(f)
except FileNotFoundError:
    print("错误：文件不存在，请检查路径")
except json.JSONDecodeError:
    print("错误：文件内容不是有效的JSON格式")
except Exception as e:
    print(f"发生未知错误：{e}")

大文件的JSON处理（逐行读写）

若JSON文件较大（如日志文件），可逐行读写或使用ijson库流式解析，避免内存溢出,逐行写入JSON数组：

import json
# 准备数据列表
data_list = [{"id": 1, "value": "A"}, {"id": 2, "value": "B"}, {"id": 3, "value": "C"}]
# 逐行写入JSON文件（每行一个JSON对象）
with open("large_data.json", "w", encoding="utf-8") as f:
    f.write("[")  # 开始数组
    for i, item in enumerate(data_list):
        json.dump(item, f, ensure_ascii=False)
        if i < len(data_list) - 1:
            f.write(",\n")  # 对象间用逗号分隔
    f.write("]")  # 结束数组
print("大文件JSON写入完成")

Python的json模块为JSON数据的存取提供了简洁高效的解决方案,核心操作包括：

• 存储数据：使用json.dump()直接写入文件，或json.dumps()生成字符串后手动写入；
• 读取数据：使用json.load()从文件读取，或json.loads()从字符串解析；
• 进阶处理：通过default参数处理自定义类型，结合异常处理保证代码健壮性,针对大文件采用流式读写。

这些方法，可以轻松应对日常开发中JSON数据的存储与读取需求，实现跨平台、跨语言的数据交互。