Python 文件与输入输出：6.4 JSON 文件处理

在现代编程中，数据的存储和交换是一个至关重要的环节。JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，因其易于人类阅读和编写，同时也易于机器解析和生成，广泛应用于数据传输和存储。Python 提供了内置的 json 模块，使得处理 JSON 数据变得简单而高效。

1. JSON 格式简介

JSON 格式使用键值对的方式来表示数据，支持多种数据类型，包括字符串、数字、布尔值、数组和对象。以下是一个简单的 JSON 示例：

{
    "name": "Alice",
    "age": 30,
    "is_student": false,
    "courses": ["Math", "Science"],
    "address": {
        "city": "New York",
        "zip": "10001"
    }
}

优点

可读性强：JSON 格式简单明了，易于理解。
语言无关性：JSON 可以被多种编程语言解析和生成。
轻量级：相较于 XML 等格式，JSON 更加简洁，数据传输时占用更少的带宽。

缺点

数据类型限制：JSON 不支持日期、时间等复杂数据类型，需手动处理。
安全性问题：在解析不可信的 JSON 数据时，可能会引发安全问题。

2. Python 中的 JSON 处理

Python 的 json 模块提供了两个主要的功能：将 Python 对象编码为 JSON 格式（序列化），以及将 JSON 格式解码为 Python 对象（反序列化）。

2.1 JSON 序列化

使用 json.dump() 和 json.dumps() 方法可以将 Python 对象转换为 JSON 格式。

json.dump(obj, file)：将 Python 对象 obj 写入到文件 file 中。
json.dumps(obj)：将 Python 对象 obj 转换为 JSON 字符串。

示例代码

import json

# Python 对象
data = {
    "name": "Alice",
    "age": 30,
    "is_student": False,
    "courses": ["Math", "Science"],
    "address": {
        "city": "New York",
        "zip": "10001"
    }
}

# 将 Python 对象写入 JSON 文件
with open('data.json', 'w') as json_file:
    json.dump(data, json_file, indent=4)  # indent=4 使输出格式化

# 将 Python 对象转换为 JSON 字符串
json_string = json.dumps(data, indent=4)
print(json_string)

注意事项

使用 indent 参数可以使输出的 JSON 更加美观，便于阅读。
在写入文件时，确保文件路径正确，且具有写入权限。

2.2 JSON 反序列化

使用 json.load() 和 json.loads() 方法可以将 JSON 格式的数据转换为 Python 对象。

json.load(file)：从文件 file 中读取 JSON 数据并转换为 Python 对象。
json.loads(json_string)：将 JSON 字符串 json_string 转换为 Python 对象。

示例代码

import json

# 从 JSON 文件读取数据
with open('data.json', 'r') as json_file:
    data_loaded = json.load(json_file)
    print(data_loaded)

# 从 JSON 字符串读取数据
json_string = '{"name": "Alice", "age": 30, "is_student": false}'
data_from_string = json.loads(json_string)
print(data_from_string)

注意事项

在读取 JSON 文件时，确保文件存在且格式正确，否则会引发 json.JSONDecodeError。
处理 JSON 数据时，注意数据类型的转换，特别是布尔值和数字。

3. 处理复杂数据类型

如前所述，JSON 不支持某些复杂数据类型（如日期）。在这种情况下，我们需要自定义序列化和反序列化方法。

自定义序列化

可以通过定义一个自定义的编码器来处理复杂数据类型。

示例代码

import json
from datetime import datetime

# 自定义 JSON 编码器
class DateTimeEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat()  # 转换为 ISO 格式字符串
        return super().default(obj)

# 使用自定义编码器
data_with_date = {
    "name": "Alice",
    "date_of_birth": datetime(1993, 5, 17)
}

json_string = json.dumps(data_with_date, cls=DateTimeEncoder, indent=4)
print(json_string)

自定义反序列化

在反序列化时，可以通过自定义函数来处理特定格式的数据。

示例代码

import json
from datetime import datetime

# 自定义反序列化函数
def custom_decoder(dct):
    if 'date_of_birth' in dct:
        dct['date_of_birth'] = datetime.fromisoformat(dct['date_of_birth'])
    return dct

# JSON 字符串
json_string = '{"name": "Alice", "date_of_birth": "1993-05-17T00:00:00"}'

# 使用自定义解码器
data = json.loads(json_string, object_hook=custom_decoder)
print(data)
print(data['date_of_birth'].year)  # 输出年份

注意事项

自定义序列化和反序列化时，确保数据的完整性和准确性。
处理日期和时间时，注意时区问题。

4. 总结

JSON 是一种非常流行的数据交换格式，Python 的 json 模块使得处理 JSON 数据变得简单而高效。通过序列化和反序列化，我们可以轻松地在 Python 对象和 JSON 数据之间进行转换。尽管 JSON 有其优缺点，但在大多数情况下，它是一个非常实用的选择。

在处理 JSON 数据时，务必注意数据类型的转换和文件的读写权限，必要时可以自定义序列化和反序列化方法，以满足特定需求。通过合理使用 JSON，我们可以在数据存储和交换中实现更高的效率和灵活性。