Python中json.loads和json.dumps方法中英双语详解！

admin • 16小时前 • Python学习

Python中json.loads和json.dumps方法中英双语详解！

在Python中json.loads和json.dumps是处理JSON数据的重要方法,json.loads用于将JSON字符串解析为Python对象,而json.dumps用于将Python对象序列化为JSON字符串,文中通过代码介绍的非常详细,需要的朋友可以参考下。

前言

在 Python 的标准库中，json 模块用于处理 JSON 数据格式。JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，广泛用于前后端交互以及数据存储。json.loads 和 json.dumps 是 json 模块中最常用的两个方法，分别用于解析 JSON 字符串和将 Python 对象序列化为 JSON 字符串。

1. json.loads 方法

功能

json.loads 用于将 JSON 格式的字符串解析为 Python 数据结构（如字典、列表等）。

语法

json.loads(s, *, encoding=None, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

主要参数

s：要解析的 JSON 字符串。
encoding（Python 3 中已弃用）：指定字符编码。
cls：自定义解码类，默认为 None。
object_hook：一个可选函数，允许自定义将 JSON 对象转换为其他类型的 Python 对象。
parse_float 和 parse_int：自定义将 JSON 中的浮点数和整数转换为特定类型。
object_pairs_hook：用于处理 JSON 对象中的键值对，默认返回字典。

示例

import json
# 示例 JSON 字符串
json_str = '{"name": "Alice", "age": 25, "skills": ["Python", "Machine Learning"]}'
# 使用 json.loads 将 JSON 字符串解析为 Python 字典
data = json.loads(json_str)
print(data)
# 输出：{'name': 'Alice', 'age': 25, 'skills': ['Python', 'Machine Learning']}
# 访问解析后的数据
print(data["name"])  # 输出：Alice
print(data["skills"])  # 输出：['Python', 'Machine Learning']

2. json.dumps 方法

功能

json.dumps 用于将 Python 对象序列化为 JSON 格式的字符串。

语法

json.dumps(obj, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

主要参数

obj：需要序列化为 JSON 的 Python 对象。
skipkeys：是否跳过非字符串类型的键，默认为 False。
ensure_ascii：默认 True，确保 JSON 中的所有非 ASCII 字符被转义。如果为 False，将输出原始 Unicode 字符。
indent：格式化输出的缩进级别。如果为 None，输出紧凑的单行 JSON；如果设置为数字（如 4），输出带缩进的多行 JSON。
separators：自定义键值对之间和项之间的分隔符。
sort_keys：是否对字典的键进行排序，默认为 False。

示例

import json
# 示例 Python 对象
data = {
"name": "Bob",
"age": 30,
"skills": ["JavaScript", "React", "Node.js"],
"is_active": True
}
# 使用 json.dumps 将 Python 对象序列化为 JSON 字符串
json_str = json.dumps(data)
print(json_str)
# 输出：{"name": "Bob", "age": 30, "skills": ["JavaScript", "React", "Node.js"], "is_active": true}
# 格式化输出（带缩进）
json_str_pretty = json.dumps(data, indent=4, ensure_ascii=False)
print(json_str_pretty)
# 输出：
# {
#     "name": "Bob",
#     "age": 30,
#     "skills": [
#         "JavaScript",
#         "React",
#         "Node.js"
#     ],
#     "is_active": true
# }

3. json.loads 和 json.dumps 的结合使用

在实际应用中，json.loads 和 json.dumps 常常配合使用。例如，我们可能需要先从文件或网络中读取 JSON 数据，将其解析为 Python 对象进行处理，然后再将处理后的结果保存为 JSON 格式。

示例

import json
# 示例 JSON 字符串
json_str = '{"name": "Eve", "age": 28, "hobbies": ["Reading", "Swimming"]}'
# 将 JSON 字符串解析为 Python 字典
data = json.loads(json_str)
print("解析后的数据：", data)
# 修改数据
data["age"] = 29
data["hobbies"].append("Hiking")
# 将修改后的数据序列化为 JSON 字符串
new_json_str = json.dumps(data, indent=4, ensure_ascii=False)
print("修改后的 JSON：\n", new_json_str)

输出结果：

解析后的数据： {'name': 'Eve', 'age': 28, 'hobbies': ['Reading', 'Swimming']}
修改后的 JSON：
{
"name": "Eve",
"age": 29,
"hobbies": [
"Reading",
"Swimming",
"Hiking"
]
}

4. 常见错误及解决办法

1）解析无效的 JSON 字符串

如果输入的字符串不是有效的 JSON 格式，json.loads 会抛出 JSONDecodeError 异常。

import json
invalid_json = "{'name': 'Alice', 'age': 25}"  # 错误的 JSON 格式（单引号）
try:
data = json.loads(invalid_json)
except json.JSONDecodeError as e:
print(f"JSONDecodeError: {e}")

解决办法：确保 JSON 字符串使用双引号表示字符串内容。

2）非 JSON 可序列化的对象

如果 json.dumps 的输入对象中包含非 JSON 支持的数据类型（如 datetime），会抛出 TypeError。

import json
from datetime import datetime
data = {"name": "Alice", "timestamp": datetime.now()}
try:
json_str = json.dumps(data)
except TypeError as e:
print(f"TypeError: {e}")

解决办法：使用 default 参数自定义序列化方式。

json_str = json.dumps(data, default=str)
print(json_str)
# 输出：{"name": "Alice", "timestamp": "2024-12-24 15:30:00.123456"}

5. 总结

json.loads：将 JSON 字符串解析为 Python 数据结构。
json.dumps：将 Python 数据结构序列化为 JSON 字符串。
配合使用可以实现 JSON 数据的读取、处理和保存。
在处理中文或特殊字符时，可以通过设置 ensure_ascii=False 保留原始字符。

通过合理使用 json 模块的方法，我们可以轻松地在 Python 中操作 JSON 数据，满足数据交换和存储的需求。

英文版

Detailed Explanation of Python’s json.loads and json.dumps Methods

In Python’s standard library, the json module is used for handling JSON data format. JSON (JavaScript Object Notation) is a lightweight data exchange format that is widely used in both front-end and back-end communication as well as data storage. Among the most commonly used methods in the json module are json.loads and json.dumps, which are used for parsing JSON strings and serializing Python objects to JSON strings, respectively.

1. json.loads Method

Function

json.loads is used to parse a JSON-formatted string into a Python data structure (such as a dictionary, list, etc.).

Syntax

json.loads(s, *, encoding=None, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

Main Parameters

s: The JSON string to be parsed.
encoding (deprecated in Python 3): Specifies the character encoding.
cls: Custom decoder class, defaults to None.
object_hook: An optional function that allows custom conversion of JSON objects into other Python objects.
parse_float and parse_int: Custom parsers for floating-point numbers and integers in JSON.
object_pairs_hook: Used for handling key-value pairs in JSON objects, defaults to returning a dictionary.

Example

import json
# Sample JSON string
json_str = '{"name": "Alice", "age": 25, "skills": ["Python", "Machine Learning"]}'
# Using json.loads to parse the JSON string into a Python dictionary
data = json.loads(json_str)
print(data)
# Output: {'name': 'Alice', 'age': 25, 'skills': ['Python', 'Machine Learning']}
# Accessing parsed data
print(data["name"])  # Output: Alice
print(data["skills"])  # Output: ['Python', 'Machine Learning']

2. json.dumps Method

Function

json.dumps is used to serialize a Python object into a JSON-formatted string.

Syntax

json.dumps(obj, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

Main Parameters

obj: The Python object to be serialized into JSON.
skipkeys: Whether to skip keys that are not strings (defaults to False).
ensure_ascii: Default True, ensures all non-ASCII characters in the JSON are escaped. If set to False, original Unicode characters will be output.
indent: The number of spaces to use for pretty-printing the JSON. If None, the output will be compact and on one line. If set to a number (e.g., 4), the output will be formatted with indents.
separators: Custom separators for key-value pairs and items in JSON.
sort_keys: Whether to sort the dictionary keys. Default is False.

Example

import json
# Sample Python object
data = {
"name": "Bob",
"age": 30,
"skills": ["JavaScript", "React", "Node.js"],
"is_active": True
}
# Using json.dumps to serialize the Python object to a JSON string
json_str = json.dumps(data)
print(json_str)
# Output: {"name": "Bob", "age": 30, "skills": ["JavaScript", "React", "Node.js"], "is_active": true}
# Pretty-printing the JSON with indent
json_str_pretty = json.dumps(data, indent=4, ensure_ascii=False)
print(json_str_pretty)
# Output:
# {
#     "name": "Bob",
#     "age": 30,
#     "skills": [
#         "JavaScript",
#         "React",
#         "Node.js"
#     ],
#     "is_active": true
# }

3. Using json.loads and json.dumps Together

In real-world applications, json.loads and json.dumps are often used in tandem. For instance, you may need to first read JSON data from a file or network, parse it into a Python object for processing, and then serialize the processed result back into JSON format.

Example

import json
# Sample JSON string
json_str = '{"name": "Eve", "age": 28, "hobbies": ["Reading", "Swimming"]}'
# Parsing the JSON string into a Python dictionary
data = json.loads(json_str)
print("Parsed data:", data)
# Modifying the data
data["age"] = 29
data["hobbies"].append("Hiking")
# Serializing the modified data back to JSON
new_json_str = json.dumps(data, indent=4, ensure_ascii=False)
print("Modified JSON:\n", new_json_str)

Output:

Parsed data: {'name': 'Eve', 'age': 28, 'hobbies': ['Reading', 'Swimming']}
Modified JSON:
{
"name": "Eve",
"age": 29,
"hobbies": [
"Reading",
"Swimming",
"Hiking"
]
}

4. Common Errors and Solutions

1) Invalid JSON String

If the input string is not a valid JSON format, json.loads will raise a JSONDecodeError exception.

import json
invalid_json = "{'name': 'Alice', 'age': 25}"  # Invalid JSON format (single quotes)
try:
data = json.loads(invalid_json)
except json.JSONDecodeError as e:
print(f"JSONDecodeError: {e}")

Solution: Ensure that JSON strings use double quotes for string content.

2) Non-JSON Serializable Objects

If the object passed to json.dumps contains non-JSON serializable types (like datetime), it will raise a TypeError.

import json
from datetime import datetime
data = {"name": "Alice", "timestamp": datetime.now()}
try:
json_str = json.dumps(data)
except TypeError as e:
print(f"TypeError: {e}")

Solution: Use the default parameter to define custom serialization.

json_str = json.dumps(data, default=str)
print(json_str)
# Output: {"name": "Alice", "timestamp": "2024-12-24 15:30:00.123456"}

5. Summary

json.loads: Parses a JSON string into a Python data structure.
json.dumps: Serializes a Python data structure into a JSON string.
Using both methods together allows for reading, processing, and saving JSON data.
To handle special characters or non-ASCII text, set ensure_ascii=False.

By effectively using the methods in the json module, we can easily handle JSON data in Python, enabling seamless data exchange and storage.

例子：读取JSON文件前两个数据

import json
# 指定文件路径
file_path = "/code/peft_study/open-instruct/data/tulu-3-sft-mixture-json-sampled/train_sampled_9k.json"
# 读取 JSON 文件并输出前两条数据
with open(file_path, "r") as file:
for i, line in enumerate(file):
if i < 2:  # 只输出前两条数据
data = json.loads(line)
print(json.dumps(data, indent=4, ensure_ascii=False))
else:
break

Output

{
"id": "personahub_xdout465m7opc85m7bjfqmdt",
"messages": [
{
"content": "Write a python function to analyze a list of Bollywood movie titles and return a list of titles that are palindromes. A palindrome is a word, phrase, number, or other sequence of characters which reads the same backward as forward. For simplicity, you can ignore spaces, capitalization, and punctuation in the titles. \n\nInput:\n- A list of strings, where each string represents a Bollywood movie title.\n\nOutput:\n- A list of strings, where each string is a movie title from the input list that is a palindrome.\n\nExample:\n```python\nmovie_titles = [\"Dil Se\", \"Madam\", \"Racecar\", \"Raees\", \"Noon\"]\nprint(find_palindrome_titles(movie_titles))\n```\nExpected Output:\n```python\n[\"Madam\", \"Racecar\", \"Noon\"]\n```",
"role": "user"
},
{
"content": "def find_palindrome_titles(movie_titles):\n    palindrome_titles = []\n    for title in movie_titles:\n        cleaned_title = ''.join(char for char in title.lower() if char.isalnum())\n        if cleaned_title == cleaned_title[::-1]:\n            palindrome_titles.append(title)\n    return palindrome_titles",
"role": "assistant"
}
],
"source": "ai2-adapt-dev/personahub_code_v2_34999"
}
{
"id": "ai2-adapt-dev/flan_v2_converted_33757",
"messages": [
{
"content": "In this task, you are given two phrases: Head and Tail, separated with <sep>. The Head and the Tail events are short phrases possibly involving participants. The names of specific people have been replaced by generic words (e.g., PersonX, PersonY, PersonZ). PersonX is always the subject of the event. You have to determine whether the Head can be characterized by being or having the Tail or not. Being characterized usually describes entities' general characteristics such as rose is red, or subjective attributes such as thirst is uncomfortable. It can also map to descriptors that speak to the substance or value of items such as meat has the property of being stored in the freezer or bike is powered by a person's legs. Classify your answers into \"Yes\" and \"No\". The phrase may also contain \"___\", a placeholder that can be an object, a person, and/or an action.\n\nLet me give you an example: Head: water<sep>Tail: effect of making things wet\nThe answer to this example can be: Yes\nHere is why: This is a good example. The water can be characterized by making things wet.\n\nOK. solve this:\nHead: PersonX always watch ___<sep>Tail: engaged\nAnswer:",
"role": "user"
},
{
"content": "No",
"role": "assistant"
}
],
"source": "ai2-adapt-dev/flan_v2_converted"
}

总结

到此这篇关于 Python中json.loads和json.dumps方法中英双语详解的文章就介绍到这了。

学习资料见知识星球。

以上就是今天要分享的技巧，你学会了吗？若有什么问题，欢迎在下方留言。

快来试试吧，小琥 my21ke007。获取 1000个免费 Excel模板福利！

更多技巧， www.excelbook.cn

欢迎加入 零售创新 知识星球，知识星球主要以数据分析、报告分享、数据工具讨论为主；

你将获得：

1、价值上万元的专业的PPT报告模板。

2、专业案例分析和解读笔记。

3、实用的Excel、Word、PPT技巧。

4、VIP讨论群，共享资源。

5、优惠的会员商品。

6、一次付费只需129元，即可下载本站文章涉及的文件和软件。

文章版权声明 1、本网站名称：Excelbook
2、本站永久网址：http://www.excelbook.cn
3、本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长王小琥进行删除处理。
4、本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
5、本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报。
6、本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。

THE END

二维码

零售创新案例，连续35年增长，这家“叛逆”的零售企业怎么做到的？

< <上一篇

一文带你搞懂mysql中的三种数据读取方式！

下一篇>>

Python中json.loads和json.dumps方法中英双语详解！

Python中json.loads和json.dumps方法中英双语详解！

前言

1. json.loads 方法

功能

语法

主要参数

示例

2. json.dumps 方法

功能

语法

主要参数

示例

3. json.loads 和 json.dumps 的结合使用

示例

4. 常见错误及解决办法

1）解析无效的 JSON 字符串

2）非 JSON 可序列化的对象

5. 总结

英文版

Detailed Explanation of Python’s json.loads and json.dumps Methods

1. json.loads Method

Function

Syntax

Main Parameters

Example

2. json.dumps Method

Function

Syntax

Main Parameters

Example

3. Using json.loads and json.dumps Together

Example

4. Common Errors and Solutions

1) Invalid JSON String

2) Non-JSON Serializable Objects

5. Summary

例子：读取JSON文件前两个数据

总结

取消回复

共有 0 条评论