将Python数据类转换为JSON的三种方法
作者：数研小生
这篇文章主要介绍了在 Python 中把数据类（dataclass）以优雅、规范的方式转换成 JSON 格式的方法,这是数据处理场景中非常实用的需求,尤其贴合你作为数据服务商的技术工作场景,需要的朋友可以参考下
文章介绍在 Python 中把数据类（dataclass）以优雅、规范的方式转换成 JSON 格式的方法，这是数据处理场景中非常实用的需求，尤其贴合你作为数据服务商的技术工作场景。
Python 内置的json模块默认无法直接序列化dataclass实例，下面我会提供三种从基础到进阶的优雅方案，覆盖简单场景、复用场景和生产级场景，代码可直接复制使用。
方法 1：基础优雅方案（dataclasses.asdict + json.dumps）
这是官方推荐的基础方案，通过dataclasses.asdict()将数据类实例转为字典，再用json.dumps()序列化，适合简单的非嵌套数据类。
import json
from dataclasses import dataclass, asdict
# 定义你的数据类（贴合数据服务场景：比如电商数据接口的返回数据）
@dataclass
class EcommerceData:
order_id: str # 订单ID
user_id: int # 用户ID
amount: float # 订单金额
is_paid: bool # 是否支付
# 创建数据类实例
data_instance = EcommerceData(
order_id="ORD20260113001",
user_id=10086,
amount=299.99,
is_paid=True
)
# 优雅转换为JSON
# 步骤1：转字典 → 步骤2：序列化为JSON字符串（ensure_ascii=False支持中文，indent美化格式）
json_str = json.dumps(asdict(data_instance), ensure_ascii=False, indent=2)
# 输出结果
print(json_str)输出结果：
{
"order_id": "ORD20260113001",
"user_id": 10086,
"amount": 299.99,
"is_paid": true
}关键解释：
asdict(data_instance)：将 dataclass 实例转为嵌套字典（支持嵌套 dataclass）；json.dumps()的indent=2让 JSON 格式更优雅，ensure_ascii=False避免中文被转义（数据服务中常处理中文数据）。
方法 2：复用性更强的方案（自定义 JSON 编码器）
如果需要多次序列化 dataclass，自定义JSONEncoder子类是更优雅的方式，无需每次手动调用asdict()。
import json
from dataclasses import dataclass, is_dataclass, asdict
# 自定义JSON编码器（自动识别dataclass并转换）
class DataClassJSONEncoder(json.JSONEncoder):
def default(self, obj):
# 如果是dataclass实例，自动转字典
if is_dataclass(obj):
return asdict(obj)
# 其他类型沿用默认序列化逻辑
return super().default(obj)
# 定义数据类（嵌套场景，更贴近真实数据服务）
@dataclass
class UserInfo:
name: str
phone: str
@dataclass
class OrderData:
order_id: str
user: UserInfo # 嵌套dataclass
total: float
# 创建嵌套数据实例
nested_data = OrderData(
order_id="ORD20260113002",
user=UserInfo(name="张三", phone="13800138000"),
total=599.0
)
# 直接序列化（指定自定义编码器，无需手动转字典）
json_str = json.dumps(
nested_data,
cls=DataClassJSONEncoder, # 核心：指定自定义编码器
ensure_ascii=False,
indent=2
)
print(json_str)输出结果：
{
"order_id": "ORD20260113002",
"user": {
"name": "张三",
"phone": "13800138000"
},
"total": 599.0
}关键解释：
- 重写
JSONEncoder的default方法，自动识别 dataclass 实例并转换； - 支持嵌套 dataclass，更贴合数据服务中复杂数据结构的场景；
- 一次定义，多处复用，代码更简洁优雅。
方法 3：生产级优雅方案（使用 pydantic，推荐）
作为数据服务商，推荐使用pydantic库（数据校验 + JSON 序列化一体化），它的dataclass不仅支持一键转 JSON，还能自动校验数据类型，避免脏数据，是生产环境的首选。
步骤 1：安装 pydantic
pip install pydantic
步骤 2：代码实现
from pydantic.dataclasses import dataclass # 注意：是pydantic的dataclass
# 定义带数据校验的dataclass（数据服务核心需求：数据合法性）
@dataclass
class DataServiceResponse:
code: int # 状态码（必须是int）
msg: str # 提示信息（必须是str）
data: dict # 业务数据（必须是dict）
timestamp: float = 0.0 # 时间戳（可选，默认0.0）
# 创建实例
response = DataServiceResponse(
code=200,
msg="请求成功",
data={"order_count": 100, "total_amount": 29999.5},
timestamp=1736764800.0
)
# 一键优雅转JSON（无需额外处理，自带格式化）
json_str = response.model_dump_json(indent=2, ensure_ascii=False)
print(json_str)输出结果：
{
"code": 200,
"msg": "请求成功",
"data": {
"order_count": 100,
"total_amount": 29999.5
},
"timestamp": 1736764800.0
}关键解释：
pydantic.dataclass：自带数据类型校验（比如传入code="200"会直接报错，避免数据类型错误）；model_dump_json()：一键序列化，无需手动转字典，支持嵌套、默认值、中文等；- 贴合数据服务商的核心需求：数据校验 + JSON 序列化一体化，减少冗余代码。
总结
- 核心思路：Python dataclass 转 JSON 的关键是先将实例转为可序列化的字典（或 pydantic 结构化数据），再进行 JSON 序列化；
- 场景选择：简单场景用
asdict()+json.dumps，复用场景用自定义JSONEncoder，生产环境优先用pydantic（兼顾校验和序列化）； - 数据服务适配：
pydantic方案不仅优雅，还能校验数据合法性，是数据服务商处理接口返回、数据传输的最优选择。
以上就是将Python数据类转换为JSON的三种方法的详细内容，更多关于Python数据类转换为JSON的资料请关注脚本之家其它相关文章！