Python JSON 操作中的七個高效小竅門
JSON（JavaScript Object Notation）作為一種輕量級的數據交換格式，在各種應用場景中扮演著重要角色。Python 中處理 JSON 數據非常便捷，主要通過內置的 json 模塊來實現。本文將詳細介紹如何使用 Python 進行 JSON 數據的操作，包括基本的序列化與反序列化、美化輸出、處理特殊字符、自定義排序、優化性能、處理復雜數據類型以及批量文件讀寫等內容。
1. 快速入門：認識 JSON
JSON 是一種輕量級的數據交換格式。它基于 JavaScript 的一個子集，但獨立于語言和平臺。Python 中處理 JSON 數據非常方便，主要通過 json 模塊完成。
示例代碼：
import json
# 創建一個簡單的字典
data = {
"name": "Alice",
"age": 30,
"is_student": False,
"hobbies": ["reading", "traveling", "coding"]
}
# 將 Python 對象轉換為 JSON 字符串
json_string = json.dumps(data)
print(json_string)
# 將 JSON 字符串轉換回 Python 對象
parsed_data = json.loads(json_string)
print(parsed_data)輸出：
{"name": "Alice", "age": 30, "is_student": false, "hobbies": ["reading", "traveling", "coding"]}
{'name': 'Alice', 'age': 30, 'is_student': False, 'hobbies': ['reading', 'traveling', 'coding']}2. 美化輸出：讓 JSON 更好看
直接打印出來的 JSON 字符串可能不夠美觀，尤其是在調試時。使用 json.dumps() 方法的 indent 參數可以生成易讀的格式。
示例代碼：
pretty_json = json.dumps(data, indent=4)
print(pretty_json)輸出：
{
"name": "Alice",
"age": 30,
"is_student": false,
"hobbies": [
"reading",
"traveling",
"coding"
]
}3. 處理特殊字符：避免編碼問題
在處理包含特殊字符或非 ASCII 字符的 JSON 數據時，可能會遇到編碼問題。設置 ensure_ascii=False 可以讓非 ASCII 字符正確顯示。
示例代碼：
special_data = {
"message": "你好，世界！",
"emoji": "??"
}
json_string = json.dumps(special_data, ensure_ascii=False)
print(json_string)輸出：
{"message": "你好，世界！", "emoji": "??"}4. 自定義排序：按照特定順序排序鍵值
默認情況下，json.dumps() 會按照字典的鍵值順序輸出 JSON。如果想自定義排序規則，可以通過傳遞 sort_keys=True 參數實現。
示例代碼：
sorted_json = json.dumps(data, indent=4, sort_keys=True)
print(sorted_json)輸出：
{
"age": 30,
"hobbies": [
"reading",
"traveling",
"coding"
],
"is_student": false,
"name": "Alice"
}5. 高效序列化：優化性能
在處理大量數據時，序列化和反序列化的性能至關重要。json 模塊提供了 ensure_ascii 和 separators 等參數來優化性能。
示例代碼：
# 使用 separators 參數去除多余的空格
optimized_json = json.dumps(data, separators=(',', ':'))
print(optimized_json)輸出：
{"name":"Alice","age":30,"is_student":false,"hobbies":["reading","traveling","coding"]}6. 自定義序列化：處理復雜數據類型
Python 中的某些數據類型（如 datetime 對象）默認無法被 json.dumps() 序列化。這時可以自定義序列化函數來處理這些復雜數據類型。
示例代碼：
from datetime import datetime
# 定義一個自定義的序列化函數
def custom_serializer(obj):
if isinstance(obj, datetime):
return obj.isoformat()
raise TypeError("Type not serializable")
# 創建一個包含 datetime 對象的字典
complex_data = {
"name": "Alice",
"birthdate": datetime(1990, 1, 1),
"is_student": False,
"hobbies": ["reading", "traveling", "coding"]
}
# 使用自定義序列化函數
json_string = json.dumps(complex_data, default=custom_serializer)
print(json_string)輸出：
{"name": "Alice", "birthdate": "1990-01-01T00:00:00", "is_student": false, "hobbies": ["reading", "traveling", "coding"]}7. 批量處理：優化文件讀寫
在處理大型 JSON 文件時，逐行讀取和寫入可以顯著提高效率。json 模塊提供了 load() 和 dump() 方法來處理文件。
示例代碼：
# 寫入 JSON 文件
with open('data.json', 'w') as file:
json.dump(data, file, indent=4)
# 讀取 JSON 文件
with open('data.json', 'r') as file:
loaded_data = json.load(file)
print(loaded_data)輸出：
{'name': 'Alice', 'age': 30, 'is_student': False, 'hobbies': ['reading', 'traveling', 'coding']}實戰案例：處理天氣 API 數據
假設我們需要從一個天氣 API 獲取當前天氣信息，并將其保存到本地文件中。
示例代碼：
import requests
import json
# API 請求 URL
url = "https://api.openweathermap.org/data/2.5/weather?q=Beijing&appid=YOUR_API_KEY"
# 發送 GET 請求
response = requests.get(url)
# 檢查響應狀態碼
if response.status_code == 200:
# 解析 JSON 數據
weather_data = response.json()
# 將數據保存到文件
with open('weather.json', 'w') as file:
json.dump(weather_data, file, indent=4)
else:
print("Error:", response.status_code)
# 讀取并打印數據
with open('weather.json', 'r') as file:
loaded_weather_data = json.load(file)
print(loaded_weather_data)輸出：
{
"coord": {
"lon": 116.4074,
"lat": 39.9042
},
"weather": [
{
"id": 802,
"main": "Clouds",
"description": "scattered clouds",
"icon": "03n"
}
],
...
}在這個案例中，我們首先發送了一個 GET 請求來獲取北京的天氣數據。然后將返回的 JSON 數據保存到本地文件 weather.json 中，并通過 json.load() 方法讀取文件內容。這樣不僅可以方便地查看數據，還可以用于后續的數據處理和分析。
總結
本文介紹了 Python 中處理 JSON 數據的各種技巧，包括快速入門、美化輸出、處理特殊字符、自定義排序、性能優化、處理復雜數據類型及批量文件讀寫等。通過這些技巧，可以更加高效地管理和操作 JSON 數據。
