灵宝网站建设专业做网站

---

Python对JSON非常友好，很多时候dict类型在形式上看起来就是JSON，而内置的json库通过loads()和dumps()两组方法恰当好处地将两者合二为一，以至于绝大多数时候没有必要去考虑引入一个新的方式来处理JSON。当然，Python社区是不会满足于大多数情况的，本文将从大多数情况的使用开始介绍一下Python中各种优秀的JSON工具库。

普通玩家：json与simplejson

1、json

json是Python内置标准库，开箱即用。json库也非常简单，就两组序列化（编码）、反序列化（解码）方法，下面我们来详细介绍它的使用。

基本使用

1. Python对象与JSON字符串的互相转化：

data = {"name": "Alice", "age": 30, "is_active": True}# json.dumps将 Python 对象转为 JSON 字符串
json_str = json.dumps(data)
print(json_str)  # {"name": "Alice", "age": 30, "is_active": true}# json.loads将JSON 字符串转为 Python 对象
parsed = json.loads(json_str)
print(parsed["name"])  # Alice

以下是Python 类型与JSON 类型的转化对照，注意json 库无法直接处理datetime, Decimal, UUID 等常用内建类型以及自定义类对象。

Python 类型	JSON 类型
dict	object
list, tuple	array
str	string
int, float	number
True / False	true / false
None	null

2. JSON文件的读取与写入：

#json.dump写入 JSON 到文件
with open('data.json', 'w', encoding='utf-8') as f:json.dump(data, f, indent=2)#json.load从文件读取 JSON
with open('data.json', 'r', encoding='utf-8') as f:loaded = json.load(f)
print(loaded["age"])  # 30

注意json 库处理超大 JSON 文件时（如 GB 级），json.load() 会一次性读取内存，效率低甚至崩溃。

进阶使用

1. 通过配置参数来优化输出JSON字符串：

json.dumps(obj, *, skipkeys=False, ensure_ascii=True, indent=None, sort_keys=False)

具体参数说明：

参数名	说明
indent=2	美化输出（缩进）
sort_keys=True	字典按 key 排序输出
ensure_ascii=False	输出非 ASCII 字符（如中文）
default=function	自定义无法序列化对象的处理方式

2. 使用 default 参数实现自定义对象的支持：

from datetime import datetimeclass User:def __init__(self, name):self.name = nameself.created = datetime.now()u = User("Alice")def encode_user(obj):if isinstance(obj, User):return {"name": obj.name, "created": obj.created.isoformat()}if isinstance(obj, datetime):return obj.isoformat()raise TypeError("Not serializable")print(json.dumps(u, default=encode_user, indent=2))

2、simplejson

simplejson 是 Python 的一个第三方 JSON 库，是标准库 json 的超集，提供更强大的功能与兼容性。它最初就是标准库 json 的前身，所以用法非常相似，但提供了更多扩展选项（如精度控制、Decimal 支持、自定义编码等）。
安装

pip install simplejson

基本使用
simplejson也包含了loads\load,dumps\dump两组序列化（编码）、反序列化（解码）方法，且使用方法与内置的json库一模一样，在此不再赘述。

进阶使用
使用 Decimal 类型，simplejson支持Decimal类型的序列化与反序列化：

from decimal import Decimaldata = {'price': Decimal('19.99')}# 支持 Decimal（不会强制转 float）
json_str = json.dumps(data, use_decimal=True)
print(json_str)  # {"price": 19.99}# 正确解析为 Decimal
parsed = json.loads(json_str, use_decimal=True)
print(type(parsed['price']))  # <class 'decimal.Decimal'>

使用参数，simplejson中支持更加灵活的参数配置：

json.dumps(obj,skipkeys=False,ensure_ascii=True,check_circular=True,allow_nan=True,cls=None,indent=None,separators=None,default=None,use_decimal=True,namedtuple_as_object=True,tuple_as_array=True,bigint_as_string=False,sort_keys=False
)

自定义对象序列化，如果对象实现了 .for_json() 方法，simplejson 会自动调用它：

class User:def __init__(self, name):self.name = namedef for_json(self):return {'user': self.name}user = User("Alice")
print(json.dumps(user))  # {"user": "Alice"}

高性能玩家：orjson、ujson与rapidjson

对于高性能玩家来说，Python社区中主要有orjson、ujson与rapidjson三大性能库。其中orjson使用Rust实现，使用了 SIMD 和零拷贝，专为性能而生；ujson则是C 实现，主打轻量级；而rapidjson基于C++ 实现，属于功能和性能的平衡型选手。下面是三大性能库的具体使用PK。

1、性能 PK（序列化与反序列化）

我们基于下列代码对orjson、ujson与rapidjson进行了性能测试，

import orjson, ujson, rapidjson, json
import timedata = [{"id": i, "name": f"user{i}", "active": True, "score": i * 0.5} for i in range(100000)]def test(lib, dumps_func, loads_func):t1 = time.time()s = dumps_func(data)t2 = time.time()obj = loads_func(s)t3 = time.time()print(f"{lib}: dumps={t2 - t1:.4f}s, loads={t3 - t2:.4f}s")test("orjson", orjson.dumps, orjson.loads)
test("ujson", ujson.dumps, ujson.loads)
test("rapidjson", rapidjson.dumps, rapidjson.loads)
test("json", json.dumps, json.loads)

基于 10 万条数据的序列化（dumps）和反序列化（loads）性能测试结果（单位：秒，越低越好），大致可以得到一个这样的结果：

库名	dumps 时间	loads 时间	总体性能评价
orjson	🥇 最快（~0.09s）	🥇 最快（~0.08s）	🚀🚀🚀 超高速
ujson	次快（~0.13s）	次快（~0.12s）	🚀🚀 快
rapidjson	稍慢（~0.18s）	稳定（~0.15s）	🚀 中等
json（内置）	🐢 ~0.27s	🐢 ~0.23s	🐢 慢

2、基本使用 PK（序列化与反序列化）

在基本的序列化与反序列化操作上，orjson、ujson、rapidjson都保持了json库的简洁：

# orjson
import orjson
orjson.dumps({'x': 1})             # → b'{"x":1}'
orjson.loads(b'{"x":1}')           # → {'x': 1}# ujson
import ujson
ujson.dumps({'x': 1})              # → '{"x":1}'
ujson.loads('{"x":1}')             # → {'x': 1}# rapidjson
import rapidjson
rapidjson.dumps({'x': 1})          # → '{"x":1}'
rapidjson.loads('{"x":1}')         # → {'x': 1}

当然，在细节上它们仍有以下区别：

用法	orjson	ujson	rapidjson
序列化	orjson.dumps(data) → bytes	ujson.dumps(data) → str	rapidjson.dumps(data) → str
反序列化	orjson.loads(bytes/str)	ujson.loads(str)	rapidjson.loads(str)
注意点	返回 bytes，需 .decode()	无 datetime 支持	返回 str，兼容性强

另外它们对高级类型的支持情况也大相径庭：

功能特性	orjson	ujson	rapidjson
✅ 支持 datetime	✅ ISO 格式	❌	✅ 可配置格式
✅ 支持 Decimal	⚠️ 转为 float	❌	✅ 原生支持
✅ 自定义对象序列化	✅ 支持 default	❌	✅ 支持 default
✅ 精度控制（float、NaN）	✅ option= 参数	❌	✅ 多选项支持
✅ 缩进与格式化输出	✅（有）	❌	✅ indent 参数
✅ 输出类型	bytes	str	str

总体而言，对于高性能玩家来说orjson是一个不错的选择，它有着比json标准库更好的性能，同时也支持更多的高级类型。