Python使用loads与load处理JSON数据的方法

更新时间：2026年07月30日 08:46:09 作者：知远漫谈

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,JSON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,本文将带你深入探讨 json 模块中的两个核心方法——loads 与 load,需要的朋友可以参考下

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！

您可能感兴趣的文章:

Python实现的网页截图功能【PyQt4与selenium组件】
这篇文章主要介绍了Python实现的网页截图功能,结合实例形式分别描述了使用PyQt4组件与selenium组件进行网页截图操作的相关实现技巧与注意事项,需要的朋友可以参考下
2018-07-07
Python正则表达式语法及re模块中的常用函数详解
这篇文章主要给大家介绍了关于Python正则表达式语法及re模块中常用函数的相关资料,正则表达式是一种强大的字符串处理工具,可以用于匹配、切分、查找和替换等操作,文章详细讲解了如何使用正则表达式进行匹配,,需要的朋友可以参考下
2025-04-04
Python学习之sys模块使用教程详解
sys模块与 os包一样，也是对系统资源进行调用。功能同样也是非常丰富。本文将对sys模块的一些简单且常用的函数进行介绍，感兴趣的可以学习一下
2022-03-03
python面向对象多线程爬虫爬取搜狐页面的实例代码
这篇文章主要介绍了python面向对象多线程爬虫爬取搜狐页面的实例代码,需要的朋友可以参考下
2018-05-05
python使用PyV8执行javascript代码示例分享
这篇文章主要介绍了python使用PyV8执行javascript的小示例，大家参考使用吧
2013-12-12
Python echarts实现数据可视化实例详解
这篇文章主要为大家详细介绍了Python echarts实现数据可视化，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助
2022-03-03
python对execl 处理操作代码
这篇文章主要介绍了python对execl 处理操作，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2020-06-06
Python实现基于二叉树存储结构的堆排序算法示例
这篇文章主要介绍了Python实现基于二叉树存储结构的堆排序算法,结合实例形式分析了Python二叉树的定义、遍历及堆排序算法相关实现技巧,需要的朋友可以参考下
2017-12-12
Python小红书旋转验证码识别实战教程
这篇文章主要介绍了Python小红书旋转验证码识别实战教程,本文通过示例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧
2023-08-08
Python3.13 +Pycharm 开发环境配置
本文全面解释了如何配置Python3.13和PyCharm的开发环境,适合初学者,详细介绍了Python安装步骤、选择解释器、常用快捷键和推荐插件,强调了虚拟环境的重要性,以及如何使用PyCharm进行高效开发,感兴趣的可以了解一下
2024-11-11