Python使用loads与load处理JSON数据的方法
作者：知远漫谈
引言
在现代编程中，数据交换和存储是开发过程中不可或缺的一环。而 JSON（JavaScript Object Notation） 作为一种轻量级的数据格式，因其简洁、可读性强以及广泛支持的特点，已成为前后端通信、配置管理、数据持久化等场景下的首选格式之一。作为Python开发者，掌握如何高效、正确地读取和解析JSON数据，是提升代码质量与系统健壮性的关键技能。
本文将带你深入探讨 json 模块中的两个核心方法——loads 与 load。我们将从它们的基本用法出发，逐步剖析两者的差异、适用场景，并通过大量真实示例展示如何在实际项目中灵活运用。同时，我们还会引入 Mermaid 图表来可视化数据流过程，帮助你更直观地理解底层逻辑。
一、什么是JSON？为什么它如此流行？
定义：JSON 是一种基于文本的、用于存储和传输数据的格式，其语法源自 JavaScript 对象字面量，但独立于语言，被几乎所有主流编程语言支持。
{
"name": "Alice",
"age": 28,
"isStudent": false,
"hobbies": ["reading", "coding", "traveling"],
"address": {
"city": "Beijing",
"country": "China"
}
}这段代码就是一个典型的 JSON 数据结构。它的特点包括：
- 人类可读性强：结构清晰，易于阅读。
- 机器解析效率高：大多数语言都有原生支持。
- 跨平台兼容性好：无论是在 Web 前端、后端服务还是移动应用中都能无缝对接。
二、Python中的json模块简介
Python 内置了 json 模块，无需额外安装即可使用。它提供了丰富的功能来处理 JSON 数据的 序列化（编码） 与 反序列化（解码）。
| 方法 | 功能 | 输入类型 | 输出类型 |
|---|---|---|---|
json.dumps() | 将 Python 对象转为 JSON 字符串 | dict, list, str, int 等 | str |
json.dump() | 将 Python 对象写入文件（序列化） | dict, list 等 | file object |
json.loads() | 将 JSON 字符串解析为 Python 对象 | str | dict, list 等 |
json.load() | 从文件中读取 JSON 并解析为 Python 对象 | file object | dict, list 等 |
重点提醒：loads 和 load 都用于“读取”操作，但一个针对字符串，一个针对文件。
三、json.loads()—— 从字符串解析JSON
语法结构
json.loads(s, *, encoding=None, cls=None, parse_float=None, parse_int=None, parse_constant=None, object_hook=None, parse_object=None, object_pairs_hook=None, use_decimal=False, kwarg)
最常用的参数只有 s：即要解析的 JSON 字符串。
示例1：基础使用
import json
json_string = '''
{
"name": "Bob",
"skills": ["Python", "Django", "REST API"],
"experience": 5,
"active": true
}
'''
data = json.loads(json_string)
print(type(data)) # <class 'dict'>
print(data['name']) # Bob
print(data['skills']) # ['Python', 'Django', 'REST API']
这里 json.loads() 成功将一段字符串转换成了 Python 字典对象，便于后续程序处理。
实际应用场景：API响应数据处理
假设我们调用一个天气查询接口，返回如下内容（模拟）：
api_response = '''
{
"location": "Shanghai",
"temperature": 23.5,
"humidity": 60,
"forecast": [
{"day": "Today", "high": 25, "low": 19},
{"day": "Tomorrow", "high": 27, "low": 21}
],
"status": "OK"
}
'''
weather_data = json.loads(api_response)
print(f"当前城市: {weather_data['location']}")
print(f"今日最高气温: {weather_data['forecast'][0]['high']}°C")
✅ 输出：
当前城市: Shanghai 今日最高气温: 25°C
这种方式常用于处理来自 RESTful API、Webhook 或第三方服务的响应体。
与dumps配合使用：数据流转验证
import json
original_data = {"user": "Charlie", "role": "admin", "permissions": ["read", "write", "delete"]}
# 转换为 JSON 字符串
json_str = json.dumps(original_data, indent=4)
print("原始数据 → JSON:")
print(json_str)
# 再次解析回字典
recovered_data = json.loads(json_str)
print("\nJSON → 恢复数据:")
print(recovered_data)
# 验证是否一致
assert original_data == recovered_data
print("✅ 数据一致性校验通过！")
这说明 loads 可以完美还原原始结构，是实现数据持久化或网络传输的重要环节。
四、json.load()—— 从文件读取并解析JSON
语法结构
json.load(fp, *, cls=None, parse_float=None, parse_int=None, parse_constant=None, object_hook=None, parse_object=None, object_pairs_hook=None, use_decimal=False, **kw)
这里的 fp 是一个打开的文件对象（必须是可读的），而不是字符串。
示例2：读取本地JSON文件
创建一个名为 config.json 的文件：
{
"database": {
"host": "localhost",
"port": 5432,
"name": "myapp_db",
"username": "admin"
},
"debug_mode": true,
"max_connections": 100,
"allowed_hosts": [
"127.0.0.1",
"localhost"
]
}然后在 Python 中读取它：
import json
with open('config.json', 'r', encoding='utf-8') as file:
config = json.load(file)
print(config['database']['host']) # localhost
print(config['debug_mode']) # True
print(config['allowed_hosts']) # ['127.0.0.1', 'localhost']
关键点：
- 必须使用
with open(...)上下文管理器，确保文件正确关闭。 - 文件编码建议指定为
utf-8，避免中文乱码问题。
多层嵌套结构解析实战
考虑一个复杂配置文件 settings.json：
{
"app": {
"name": "MySuperApp",
"version": "1.2.0",
"features": {
"auth": true,
"analytics": false,
"notifications": true
}
},
"logging": {
"level": "INFO",
"file": "/var/log/app.log",
"retention_days": 30
},
"cache": {
"type": "redis",
"servers": [
{"host": "redis1.example.com", "port": 6379},
{"host": "redis2.example.com", "port": 6379}
]
}
}解析并提取信息：
import json
with open('settings.json', 'r', encoding='utf-8') as f:
settings = json.load(f)
# 访问深层字段
app_name = settings["app"]["name"]
auth_enabled = settings["app"]["features"]["auth"]
redis_server = settings["cache"]["servers"][0]["host"]
print(f"应用名称: {app_name}")
print(f"认证功能是否开启: {auth_enabled}")
print(f"Redis 主机: {redis_server}")
输出：
应用名称: MySuperApp 认证功能是否开启: True Redis 主机: redis1.example.com
这正是生产环境中常见的配置管理方式。
五、loadsvsload：到底有什么区别？
让我们用一张 Mermaid 流程图 来形象对比两者的差异！
渲染错误: Mermaid 渲染失败: Parse error on line 2: ...->|字符串| B{json.loads()} A -->|文件对象| -----------------------^ Expecting 'SQE', 'DOUBLECIRCLEEND', 'PE', '-)', 'STADIUMEND', 'SUBROUTINEEND', 'PIPE', 'CYLINDEREND', 'DIAMOND_STOP', 'TAGEND', 'TRAPEND', 'INVTRAPEND', 'UNICODE_TEXT', 'TEXT', 'TAGSTART', got 'PS'
👉 总结对比表：
| 特性 | json.loads() | json.load() |
|---|---|---|
| 输入类型 | JSON 字符串 (str) | 打开的文件对象 (file) |
| 是否需要打开文件 | ❌ 否 | ✅ 是 |
| 性能表现 | 极快（内存操作） | 较慢（涉及I/O） |
| 适用场景 | API响应、字符串变量、测试数据 | 配置文件、数据库导出、日志分析 |
| 错误提示 | 语法错误时抛出 JSONDecodeError | 文件不存在或读取失败时抛异常 |
小贴士：如果你已经有一个 JSON 字符串，不要用 load()；反之，如果要读取文件，就不能用 loads()。
六、常见错误与异常处理
错误1：对文件使用loads()
with open('data.json', 'r') as f:
content = f.read()
# 错误：不能把 file object 传给 loads
data = json.loads(f) # 报错！TypeError
✅ 正确做法：
with open('data.json', 'r', encoding='utf-8') as f:
content = f.read()
data = json.loads(content) # OK
错误2：对字符串使用load()
json_str = '{"name": "David"}'
# 错误：load 接收的是文件对象，不是字符串
data = json.load(json_str) # TypeError: not a valid file object
✅ 正确做法：
data = json.loads(json_str) # OK
异常捕获最佳实践
import json
def read_json_file(filename):
try:
with open(filename, 'r', encoding='utf-8') as f:
return json.load(f)
except FileNotFoundError:
print(f"❌ 文件 {filename} 未找到！")
return None
except json.JSONDecodeError as e:
print(f"❌ JSON 解析失败：{e}")
return None
except Exception as e:
print(f"❌ 其他错误：{e}")
return None
# 调用
config = read_json_file("config.json")
if config:
print("✅ 配置加载成功！")
else:
print("❌ 加载失败，检查文件或格式。")
📌 这种模式在真实项目中非常实用，能有效防止程序因异常中断。
七、高级技巧：自定义解析行为
1. 通过object_hook自定义对象构造
默认情况下，JSON 对象会被映射为 Python 字典。但你可以通过 object_hook 改变这一行为。
import json
from datetime import datetime
def custom_object_hook(dct):
# 检查是否有 date 字段
if 'created_at' in dct:
dct['created_at'] = datetime.fromisoformat(dct['created_at'])
return dct
json_data = '''
{
"user": "Eva",
"created_at": "2025-04-05T10:30:00"
}
'''
result = json.loads(json_data, object_hook=custom_object_hook)
print(result['created_at']) # 2025-04-05 10:30:00
print(type(result['created_at'])) # <class 'datetime.datetime'>
🎉 这样就可以自动将时间字符串转换为 datetime 类型，极大简化后续处理。
2. 用parse_float/parse_int控制数值精度
某些场景下，你可能希望将浮点数保留更多位数，或者强制使用 decimal.Decimal。
import json
from decimal import Decimal
json_text = '{"price": 19.99, "tax": 1.999}'
# 强制使用 Decimal
data = json.loads(json_text, parse_float=Decimal)
print(data['price']) # Decimal('19.99')
print(type(data['price'])) # <class 'decimal.Decimal'>
👉 适用于金融计算、精确金额处理等要求高精度的场景。
八、性能对比：loadsvsload哪个更快？
我们来做一个简单的性能测试：
import json
import time
# 准备测试数据
large_json_str = json.dumps({"items": [i for i in range(10000)]}, indent=2)
# 测试 loads 性能
start = time.time()
for _ in range(1000):
json.loads(large_json_str)
loads_time = time.time() - start
# 测试 load 性能（需临时写文件）
with open('temp.json', 'w', encoding='utf-8') as f:
f.write(large_json_str)
start = time.time()
for _ in range(1000):
with open('temp.json', 'r', encoding='utf-8') as f:
json.load(f)
load_time = time.time() - start
print(f"json.loads() 耗时: {loads_time:.4f} 秒")
print(f"json.load() 耗时: {load_time:.4f} 秒")
# 清理临时文件
import os
os.remove('temp.json')
📊 通常结果会显示：loads 比 load 快 2~5 倍，因为后者涉及磁盘 I/O。
📌 结论：
- 优先使用
loads()处理已知字符串。 - 仅当数据来自文件时才使用
load()。
九、最佳实践建议
- ✅ 明确输入来源：区分是字符串？还是文件？
- ✅ 始终指定 encoding=‘utf-8’：避免中文乱码。
- ✅ 使用
with open()管理文件资源。 - ✅ 加入异常处理：尤其是
JSONDecodeError。 - ✅ 合理使用
object_hook：提升数据可用性。 - ✅ 避免重复解析：如多次调用
loads，可缓存结果。
十、结语：掌握这两招，轻松驾驭JSON世界！
无论是构建 Web 应用、自动化脚本，还是数据分析项目，json.loads() 和 json.load() 都是你每天都会用到的核心工具。掌握它们的区别、优势与陷阱，不仅能让你写出更健壮的代码，还能显著提高开发效率。
记住一句话：
“loads 是字符串的解码器，load 是文件的解码器。”
—— 你的 Python 工具箱里，这两个方法缺一不可！
下一步建议：
- 学习
json.dumps()与dump()的反向操作。 - 探索
jsonschema模块进行数据验证。 - 尝试结合
requests模块处理 API 返回的 JSON。
以上就是Python使用loads与load处理JSON数据的方法的详细内容，更多关于Python loads与load处理JSON数据的资料请关注脚本之家其它相关文章！